美國科研人員研發智能設備，自動學習優化3D列印製作進程

美國科研人員研發智能設備，自動學習優化3D列印製作進程

在3D設計軟體的幫助下，3D列印技術可以完成一些複雜的設計結構製作。但是，針對製作產品的品質監控依然是增材製造行業的一大挑戰。很多3D印表機不具備設計完備的監控系統來追蹤和監控3D列印進程。一般來說，就算材料短缺或者發生其它可能性問題，3D印表機也不會停止列印，直到整個列印進程完成為止。

為了解決這個問題，美國堪薩斯大學工業製造系統工程部（IMSE）的兩位科研人員研發了一種新型的質量檢測系統，來完成針對3D列印製作過程中的質量檢測。

Ugandhar Delli和Shing Chang博士建立了一套自動化評估系統，來對3D列印的製作進程進行實施監控。這套系統集成了攝像監控、圖像處理、以及智能分析學習系統等。研發人員利用了LulzBot Mini 3D印表機來進行研發，利用在不同時刻暫停系統來檢測列印過程中可能出現的問題的方式，並採取預修正步驟等，來預防更多錯誤的發生。

在這個進程中，第一步首先是根據要列印成的物體的幾何結構來確認合適的檢查點。第二部利用監控攝像頭來對半成品的部件在檢查點進行圖像拍照。第三部是通過圖像處理和分析，並利用智能化機械學習系統，支撐向量機（SVM），來處理分析並定義為「達標」的狀況或者是「不達標」分類。

通過對於ABS材料和PLA材料進行框架列印的測試證明，研發人員正式這種測試方式可以進行例如列印過程中材料短缺導致的列印失敗以及在列印中期發生的結構性列印失敗的檢測。但是這個檢測系統依然存在其缺點：「主要缺點是這種檢測方式需要在列印的過程中暫停來攝取圖像進行檢測，」Delli和Chang博士補充道，「另一項缺點是只有列印階段中最頂層的情況可以被拍攝到，而在沒有設立檢測點的列印層出現的問題就很可能會被忽略。而這也明確了我們在未來研究過程中主要針對和發展的方向。我們在考慮利用加入印表機側面的攝像頭等方式來完成從橫面和縱面的交叉檢測等。」研發人員相信，利用圖像分析的方式還是可以在3D列印進程檢測方面發揮巨大的作用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！