来源: Ai赋能材料
质量监控仍然是增材制造(俗称 3D 打印)中的一大挑战。在印刷过程中检测缺陷将有助于消除材料和时间的浪费。打印初始阶段的缺陷检测可能会发出警报以暂停或停止打印过程,以便可以采取纠正措施以防止需要重新打印部件。本文提出了一种通过集成相机、图像处理和监督机器学习来自动评估 3D 打印部件质量的方法。根据零件几何形状,在打印过程的几个关键阶段拍摄半成品零件的图像。提出了一种机器学习方法,即支持向量机 (SVM),以将零件分类为“良好”或“有缺陷”类别。打印使用 ABS 和 PLA 材料的零件以展示所提出的框架。提供了一个数值例子来说明所提出的方法是如何工作的。
图1. 实验设置。
图2. 在检查站拍摄的照片。
图3. SVM的基本概念。 图4. 未标记的当前输入在检查点处的图像。
参考引用:
Delli U, Chang S. Automated process monitoring in 3D printing using supervised machine learning[J]. Procedia Manufacturing, 2018, 26: 865-870.
原文链接:
http://doi.org/10.1016/j.promfg.2018.07.111
|