通過機器視覺和人工智能，實現(xiàn)批次鑒定金屬3D打印粉末

在金屬融化過程中,，每個激光點創(chuàng)建了一個微型熔池,，從粉末融化到冷卻成為固體結構，在這個過程中,，多種因素對最終產(chǎn)品的質(zhì)量與一致性產(chǎn)生影響,。其中，材料特性導致的缺陷,，由材料特性導致的無法通過優(yōu)化3D打印特征參數(shù)予以解決的缺陷,，主要為氣孔。金屬粉末相關的問題集中在了解粉末的物理特性（尺寸、形狀和表面特性）如何影響加工參數(shù)（流動性和鋪展性）并影響到3D打印結果（孔隙度和缺陷）,。而理解這些關系的基礎是需要有效地表征粉末本身,。

卡內(nèi)基梅隆大學工程學院的研究人員開發(fā)了機器視覺技術，可以自動識別和分類不同種類的3D打印金屬粉末,，準確度達95％以上,。根據(jù)卡內(nèi)基梅隆大學，該技術在五年內(nèi)可能會獲得廣泛推廣,。

機器視覺是人工智能正在快速發(fā)展的一個分支,。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷,。機器視覺系統(tǒng)是通過機器視覺產(chǎn)品(即圖像攝取裝置，分CMOS和CCD兩種)將被攝取目標轉(zhuǎn)換成圖像信號,，傳送給專用的圖像處理系統(tǒng),，得到被攝目標的形態(tài)信息，根據(jù)像素分布和亮度,、顏色等信息,，轉(zhuǎn)變成數(shù)字化信號;圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，進而根據(jù)判別的結果來控制現(xiàn)場的設備動作,。

根據(jù)上海材料所凌松,，3D打印的原材料為粉體或絲材，其形態(tài)與傳統(tǒng)板材,、棒材,、鍛件等有較大區(qū)別；因此,，其理化特性的測試檢驗項目與傳統(tǒng)減材加工技術的原材料有很大的不同,，諸如力學性能、金相組織等項目無法進行,。除化學成分分析外,，粉體材料應著重關注其粒度、粒度分布,、形貌及顆粒中的空隙等參量,。

卡內(nèi)基梅隆（Carnegie Mellon）大學的材料科學和工程教授,，研究領域的研究主管伊麗莎白·霍爾姆（Elizabeth Holm）解釋說：“在傳統(tǒng)的制造領域,，通常通過破壞性測試來實現(xiàn)對零件的檢測。 一家公司可能會生產(chǎn)多種零件,，并對其進行測試,，看看這些零件如何忍受壓力和疲勞�,！�

Holm和她的研究團隊在八種不同的商業(yè)原料粉末上測試了機器視覺粉末分選系統(tǒng),，發(fā)現(xiàn)他們的系統(tǒng)能夠精確地分選進入3D打印機的粉末,，這將使得一些破壞性測試變得多余。在Holm看來,，“破壞性測試花費大量的時間和金錢,，拉低了增材制造的效率和自動化程度，另外破壞性測試使得3D打印的按需性質(zhì)變得緩慢,�,！�

在沒有手動監(jiān)督的情況下通過計算機視覺來識別和分類粉末，計算機可以看出,，金屬粉末是否具有零件要求的微觀結構質(zhì)量 – 強度,、抗疲勞度、韌性等,。如果是這樣,，一旦進行3D打印，金屬粉末就不太可能帶來零件裂紋或發(fā)生加工故障,。

令人驚訝的是,，計算機實際上比訓練有素的人類更好地區(qū)分粉末。該系統(tǒng)甚至可以識別關于粉末的許多不同特征：其顆粒多大,、顆粒如何組合在一起,、顆粒的表面粗糙度以及它們的形狀。更重要的是機器視覺方法是自主的,、客觀的和可重復的,，這種客觀性是推進金屬3D打印過程中質(zhì)量控制的必要條件。

迄今為止,，增材制造金屬粉末原料的表征依賴于對目標粉末性質(zhì)的直接測量,。之前，Strondl等人使用動態(tài)圖像分析來捕獲粉末的顯微照片,，分段,，并測量粒徑和縱橫比分布，從而發(fā)現(xiàn)這些特征以及粉末流變學測量與粉末流動和擴散特征相關,。Clayton等人的研究認為單獨的粒度分布不足以確定粉末性質(zhì),。相反，他們通過使用流變學測量來表征粉末,，他們發(fā)現(xiàn)與粉末性質(zhì)相關,，例如回收的程度，制造方法等,。

也許是最全面的同類研究,，Slotwinski等人系統(tǒng)地表征了原始和回收的不銹鋼和鈷鉻粉末，以努力開發(fā)增材制造原料材料的標準。他們用激光衍射,、X射線計算機斷層掃描和光學和掃描電子顯微鏡測量粒徑和形狀,。此外，他們通過能量色散元素X射線分析,，X射線光電子能譜和X射線衍射測定了原子結構和組成,。最后，Nandwana等人研究了用于電子束增材制造的兩種粉末的粒度,、流動性和化學性質(zhì),。在粉末的回收利用過程中，一種粉末中引起化學反應的顯著變化,，另一種粉末卻發(fā)生了微小變化,，顆粒尺寸和流動性不受再循環(huán)影響。諸如此類的測量提供了對影響粉末特性因素的有價值的洞察,。

數(shù)據(jù)科學提供了一種互補的方法,，可以直接從數(shù)據(jù)流中提取信息，而無需進行還原測量,。卡耐基梅隆的方法不是明確地識別和測量單個顆粒,，而是將粉末顯微照片隱含地表征為局部圖像特征的分布,。卡耐基梅隆證明了計算機視覺系統(tǒng)能夠?qū)�具有不同粒��,、形狀和表面紋理分布的粉末進行分類,，以及識別代表性和非典型的粉末圖像。 卡耐基梅隆的這項研究用于增材制造可以包括粉末批次鑒定,，量化粉末回收的影響,，基于粉末特性選擇構建參數(shù)，識別可能與粉末擴散或構建缺陷相關的特征,，以及基于視覺圖像定義客觀材料標準,。

對于如何減少甚至消除粉末床金屬3D打印技術所帶來的毛孔的問題是科學家們一直努力的方向，包括調(diào)整加工參數(shù),，包括過程中工藝監(jiān)測和質(zhì)量控制等等,。

在這方面，卡內(nèi)基梅隆大學材料科學與工程系做出了領先的探索,。在卡耐基-梅隆大學的NextManufacturing中心,，作為全球領先的增材制造研究中心之一，該中心將大量的數(shù)據(jù)用于分析,，以獲得更好的理解增材制造過程以及質(zhì)量控制的能力,。卡內(nèi)基梅隆大學利用工程、科學,、計算機科學學院的知識體系發(fā)展3D打印工藝新的思維方式：設計優(yōu)化,、材料的選擇和表征、工藝參數(shù)映射,、軟件開發(fā),、零件檢查,，和產(chǎn)品合格資格,。

之前,，卡內(nèi)基梅隆大學材料科學與工程系教授Tony Rollett通過巨大的同步X射線輻射機,，足以看到百萬分之一米的金屬內(nèi)部細節(jié),。X射線掃描金屬3D打印的數(shù)據(jù)被送回匹茲堡來分析金屬打印結果與打印參數(shù)之間的關系,。

科學家們能夠通過同步加速器來研究各種各樣的材料的內(nèi)部結構,，包括聚合物,、生物醫(yī)學活檢和合金,。該小組檢查了3D打印的金屬,，金屬內(nèi)部的毛孔是肉眼難以察覺的，甚至小到難以檢測到,。而Tony Rollett教授的職業(yè)生涯就專注于通過研究材料的微觀結構來研究材料的性能如抗疲勞強度等,。而金屬3D打印的目標是融入到世界的主流制造應用過程中，如航空航天部件,，生物醫(yī)學植入物,，和高性能的汽車。研究如何控制金屬內(nèi)部的結構與金屬的3D打印的質(zhì)量息息相關,。

卡內(nèi)基梅隆大學的研究表明表明大多數(shù)3D打印鈦孔隙率可以通過調(diào)整機器的工藝參數(shù)來消除,。更少的毛孔意味著更強大、更可靠的終端部件,。

基于強大的大數(shù)據(jù)分析能力,，卡內(nèi)基·梅隆大學計劃在基于粉末床的金屬3D打印技術領域?qū)崿F(xiàn)如下目標：
－像設計零件的幾何形狀一樣設計加工過程
－監(jiān)督和控制增材制造過程
－在同一個零件的不同位置體現(xiàn)不同的材料，不同的微觀結構和機械性能
－用廣泛范圍內(nèi)的金屬粉末
－內(nèi)部孔隙度的消除或設計

卡內(nèi)基梅隆大學的計算機,、機器人科學,、理學是舉世公認的一流專業(yè)。特別是計算機專業(yè),，隨著卡內(nèi)基梅隆大學通過機器視覺和人工智能,，實現(xiàn)批次鑒定金屬3D打印粉末，卡內(nèi)基梅隆大學對粉末原料的表征與分析能力再上一個新臺階,。

來源：3D科學谷
延伸閱讀：
鼓掌,！重慶材料研究院突破難熔金屬3D打印粉末材料制備技術！成功填補國內(nèi)空白