LLNL新AI视觉系统：直写成型缺陷实时现形，打印中即可拦截

用直写成型（Direct Ink Writing）打印的柔性缓冲垫和垫片，靠的是只有几分之一毫米粗的丝材。

间隙、断裂、直径变化，都会损害产品性能。

直写成型是一种工艺波动比较大的3D打印技术，还没有大规模商业化，主要局限在研究实验室里使用。

传统上，检测在打印完成后进行，通常采用X射线成像或机械测试等手段。

又贵又慢，而且只能在事后发现失效问题。

位于加利福尼亚州的劳伦斯利弗莫尔国家实验室（LLNL），有科学家和工程师团队开发了一套基于摄像头的检测系统。

这套系统用AI和机器学习监测复杂的3D打印结构，测量微小偏差，有可能在部件离开打印机之前识别出潜在问题。

研究发表在《npj Advanced Manufacturing》期刊上。

安装在打印机上的摄像头，与机器学习及计算机视觉技术结合，把打印过程中的数千张图像，转化成沉积材料的测量数据和空间分布图。

LLNL的系统把检测环节提前了。每沉积一层，摄像头就给这一层成像，软件随即测量最新丝材，包括丝材直径。

项目技术负责人布莱恩·韦斯顿（Brian Weston）说，这是一道首轮检查。团队在进行那些非常昂贵的测试之前就能发现问题，如果已经知道部件存在断丝或其他问题，也可以更早判定其不合格。

在一块约25厘米×25厘米的缓冲垫上，研究人员把来自同一层的约2500张图像，合成了一张内部结构分布图。

分布图显示，丝材直径在打印过程中发生漂移，揭示出平台存在轻微倾斜。

这一信息在整体平均值里可能会被掩盖。

由于摄像头在打印机上，这套系统还能检测尺寸过大、无法进行高分辨率CT实际扫描的部件。

首席研究员布莱恩·吉拉（Brian Giera）说，这种方法可以推广到其他增材制造、减材制造以及实验性系统中。

短期来看，它可以在打印过程中直接淘汰存在严重缺陷的部件，并标记出哪些部件需要进行X射线CT检测。

这项技术将送往堪萨斯城国家安全综合体（Kansas City National Security Complex）进行评估。

更长远一点，这些数据可以赋能数字孪生（digital twin），把部件的结构与预测性能关联起来。

韦斯顿说，当打印机能够检查自己的工作成果时，就可以开始考虑让系统自行做出接受或拒绝的判断。

如果它发现缺陷，也许可以评估该缺陷是否会导致部件不合格。如果想了解更多研究细节，可以去看发表在《npj Advanced Manufacturing》上的论文。