加利福尼亞州勞倫斯利弗莫爾國家實(shí)驗(yàn)室(LLNL)的工程師和科學(xué)家開發(fā)了卷積神經(jīng)網(wǎng)絡(luò)(CNN),這是一種主要用于處理圖像和視頻的流行算法,用于預(yù)測3D打印部件的缺陷,并在幾毫秒內(nèi)檢測是否有構(gòu)建將是令人滿意的質(zhì)量。
“這是一種革命性的方式來查看可以通過視頻標(biāo)記的數(shù)據(jù),或者更好的是逐幀標(biāo)記,”首席LLNL研究員Brian Giera說。 “優(yōu)勢在于,您可以在打印某些內(nèi)容時收集視頻,并在打印時最終得出結(jié)論。很多人都可以收集這些數(shù)據(jù),但他們不知道如何處理它,這項(xiàng)工作是朝這個方向邁出的一步。“
通常,Giera解釋說,在構(gòu)建后進(jìn)行的傳感器分析是昂貴的,并且部件質(zhì)量只能在很久之后才能確定。對于需要數(shù)天到數(shù)周打印的部件,CNN可以證明有助于理解打印過程,更快地了解部件的質(zhì)量,并在必要時實(shí)時校正或調(diào)整構(gòu)建。
LLNL的研究人員使用大約2,000個熔融激光軌道視頻片段在不同的條件下(例如速度或功率)開發(fā)了神經(jīng)網(wǎng)絡(luò)。他們使用生成3D高度圖的工具掃描零件表面,使用該信息訓(xùn)練算法以分析視頻幀的各個部分(每個區(qū)域稱為卷積)。 Giera解釋說,這個過程對于人類來說是非常困難和耗時的。
加州大學(xué)伯克利分校的學(xué)生和LLNL研究員Bodi Yuan開發(fā)了可以自動標(biāo)記每個構(gòu)建的高度圖的算法,并使用相同的模型來預(yù)測構(gòu)建軌道的寬度,軌道是否被破壞以及寬度的標(biāo)準(zhǔn)偏差。使用這些算法,研究人員能夠拍攝正在進(jìn)行的構(gòu)建的視頻,并確定該部件是否表現(xiàn)出可接受的質(zhì)量。結(jié)果,神經(jīng)網(wǎng)絡(luò)能夠以93%的準(zhǔn)確度檢測零件是否連續(xù)。
“我們成功的關(guān)鍵在于CNN可以在培訓(xùn)過程中學(xué)習(xí)很多有用的視頻功能,”袁說,“我們只需要提供大量數(shù)據(jù)來培訓(xùn)它,并確保它學(xué)得很好。”
LLNL研究人員花了數(shù)年時間收集激光粉末床融合金屬3D打印過程中各種形式的實(shí)時數(shù)據(jù),包括視頻,光學(xué)層析成像和聲學(xué)傳感器。
“無論如何,我們正在收集視頻,所以我們只是連接點(diǎn),”Giera說。 “就像人類大腦使用視覺和其他感官來導(dǎo)航世界一樣,機(jī)器學(xué)習(xí)算法可以使用所有傳感器數(shù)據(jù)來導(dǎo)航3D打印過程。”
Giera說,神經(jīng)網(wǎng)絡(luò)理論上可以用于其他3D打印系統(tǒng)。其他研究人員應(yīng)該能夠遵循相同的公式,在不同的條件下創(chuàng)建部件,收集視頻并使用高度圖掃描它們以生成可以與標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)技術(shù)一起使用的標(biāo)記視頻集。
Giera說,仍然需要做一些工作來檢測零件內(nèi)的空隙,這些空隙無法通過高度圖掃描進(jìn)行預(yù)測,但可以使用非原位X射線照相進(jìn)行測量。
研究人員還將尋求創(chuàng)建算法,以結(jié)合除圖像和視頻之外的多種感知模式。
“現(xiàn)在,任何類型的探測都被認(rèn)為是一個巨大的勝利。如果我們能夠即時修復(fù)它,那就是更大的目標(biāo),“Giera說。 “鑒于我們正在收集機(jī)器學(xué)習(xí)算法旨在處理的大量數(shù)據(jù),機(jī)器學(xué)習(xí)將在第一次正確創(chuàng)建零件時發(fā)揮核心作用。”
該項(xiàng)目由實(shí)驗(yàn)室指導(dǎo)研究和發(fā)展計(jì)劃資助。
1、上傳文件類型:STL格式;
2、單位:MM;
3、大小:小于100M(兆);
4、IE瀏覽器小于20M;
成員列表
登錄成功
祝您使用愉快!
倒計(jì)時 5 秒,自動關(guān)閉