由伦敦大学学院的机械工程研究人员主导的团队，在金属3D打印领域取得了新的进展。他们成功开发了一套名为AM-SegNet的智能机器学习系统，旨在处理和分析金属增材制造过程中的海量监控数据。

研究团队一直利用高能X射线来监控金属3D打印过程，以期深入理解和改进工艺。然而，这些实验会产生海量的数据，其数量之多已远超人工手动分析的能力范围。



为了解决这一挑战，由UCL的李教授和梁博士等专家组成的团队，开发了AM-SegNet。这是一个智能、轻量级的神经网络，专为快速、准确地分析这些X射线实验图像而设计。

该团队使用来自全球顶尖研究机构的、超过10,000张带标注的图像数据库对AM-SegNet进行了训练。经过训练的AM-SegNet表现卓越，它可以在不到4毫秒的时间内以约96%的准确率分析一张图像，并且其可靠性被认为优于其他先进模型。

这意味着该系统能够极其快速地处理大量数据，从而帮助研究人员更迅速地获得关于打印过程的关键洞见。

通过显著加速数据分析流程，AM-SegNet有助于揭示增材制造过程中详细的物理机制。这反过来将帮助制造商改进他们的打印方法，并最终获得更可靠、更高质量的制造结果。

这对于实现金属增材制造中的实时监控和有效质量控制而言，被认为是向前迈出的重要一步。

值得注意的是，为了促进更广泛的研究和应用迭代，AM-SegNet的源代码已在GitHub平台上公开。