实时监控

UCL团队开发出智能系统AM-SegNet（AM-SegNet是一种智能、轻量级的神经网络，旨在快速、准确地分析X射线图像），通过轻量化神经网络在4毫秒内以96%准确率分析金属3D打印X射线图像，显著加速工艺优化与质量监控，源码已开源。

阻碍金属增材制造（AM）广泛普及的主要障碍之一是工艺可靠性与可重复性的不足。关键问题在于打印过程中热变化的不可预测影响，这可能导致缺陷与零件失效。为此，劳伦斯利弗莫尔国家实验室（LLNL）的无损评估小组正致力于实时工艺监控与控制的研究。该工作通过涡流传感器、X射线计算机断层扫描、电阻监测及超声波等技术，观察金属3D打印过程中的材料演变与内部结构。最终目标是开发用于实时误差校正的机器学习算法，确保零件质量与一致性。这一进展对航空航天、能源等安全关键领域中金属AM部件的应用至关重要，有望推动该技术的广泛采用。