伊利诺伊研究人员发现，每台3D打印机都会在打印件上留下独特的“指纹”

南极熊导读：如果有人用3D打印机打印了一个物品递给你，你有多大把握能准确说出这是什么型号的3D 打印机打印的？如果不靠猜测，我们或许根本无法确定是哪台机器打印的。

△四个3D打印部件由四台不同的打印机打印而成。AI可以确定每个部件的来源设备

2025年5月28日，南极熊获悉，伊利诺伊大学的研究人员利用人工智能技术开发了一种可以准确识别出3D打印零件的制造设备、工艺和材料的方法，标志着增材制造溯源与质量监管进入了一个新的阶段。

△相关研究已发表在自然子刊题目为“利用深度学习从照片中识别增材制造来源”（传送门）

3D打印具有独特的“指纹”

研究团队由伊利诺伊大学香槟分校机械科学与工程教授Bill King领导。团队发现，每台工业3D打印机在打印过程中都会留下独特的、机器特有的微观表面“指纹”。基于这一原理，研究人员开发并训练了一个卷积神经网络模型，能够几乎完美地识别零件的来源打印机。该模型基于EfficientNet-V2架构，并结合多重图像裁剪投票机制，在测试中表现出极高精度。

△指纹模型工作流程概述

King表示：“世上存在成千上万台3D打印机，数以千万计的3D打印部件被广泛应用于飞机、汽车、医疗设备、消费品及其它众多领域。每个部件都拥有其独特的特征，这些特征可以通过人工智能技术识别出来，它们隐藏在显而易见的地方。”

在实验中，团队使用21台商用3D打印机生产了9192个零件，覆盖四种主流增材制造工艺：数字光合成（DLS）、多喷射熔合（MJF）、立体光刻（SLA）和熔融沉积成型（FDM）。每个零件都通过平板文档扫描仪以5.3微米/像素的高分辨率扫描，构建出详尽的图像数据库供模型训练与验证使用。

△指纹模型机器学习框架概览

人工智能系统将改善更大规模的制造流程

模型在未见过的测试样本上展现出98.5% 的准确率用于识别打印设备；在制造工艺与材料识别上，更是达到接近100%的准确率。此外，对于数字光合成工艺，模型还能推断出构建托盘上的具体位置。

惊讶吗？事实上，就连King本人也难以置信。他说道：“我们至今仍对它的有效性感到惊讶。我们可以在两台完全相同的机器上打印相同的零件，设计相同的型号、相同的工艺设置、相同的材料。每台机器都会留下独特的指纹，AI模型可以追溯到这台机器。这可以精确地确定某件物品的制造地点和制造方式。”

研究还系统分析了识别精度对图像分辨率与裁剪尺寸的依赖性。结果显示，对于DLS等高分辨率工艺，200微米的图像区域已足够；而FDM等低分辨率工艺则需更大区域（约3毫米），但对图像清晰度要求相对较低。这一特性确保了该方法可广泛适配市面上的常规扫描设备与工业相机。

总的来说，这种AI模型不仅提升了3D打印质量控制能力，还为供应链监管与防伪追溯提供了切实可行的工具。制造商和承包商可利用该系统验证生产设备的合规性、检测流程变更或异常，乃至在不依赖标签或供应商合作的前提下，有效识别假冒或缺陷零部件。