中國(guó)3D打印網(wǎng)9月19日訊，加利福尼亞州勞倫斯利弗莫爾國(guó)家實(shí)驗(yàn)室（LLNL）的工程師和科學(xué)家開(kāi)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(cè)3D打印部件的缺陷，并在幾毫秒內(nèi)檢測(cè)是否有構(gòu)建了令人滿(mǎn)意的質(zhì)量。

   “這是一種革命性的方式通過(guò)視頻標(biāo)記數(shù)據(jù)，甚至可以是逐幀標(biāo)記?！盠LNL首席研究員Brian Giera說(shuō)，“這種優(yōu)勢(shì)在于，您可以在打印某些內(nèi)容時(shí)收集視頻，并在打印時(shí)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?！巴ǔ＃珿iera解釋說(shuō)，在構(gòu)建后再進(jìn)行分析的傳感器是非常昂貴的，并且部件質(zhì)量只能在很久之后才能確定。對(duì)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(guò)程，更快地了解部件的質(zhì)量，并在必要時(shí)實(shí)時(shí)校正或調(diào)整構(gòu)建。
     LLNL的研究人員使用大約2,000個(gè)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(kāi)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(gè)部分（每個(gè)區(qū)域稱(chēng)為卷積）。 Giera解釋說(shuō)，這個(gè)過(guò)程對(duì)于人類(lèi)來(lái)說(shuō)是非常困難和耗時(shí)的。
     加州大學(xué)伯克利分校的學(xué)生和LLNL研究員Bodi Yuan開(kāi)發(fā)了可以自動(dòng)標(biāo)記每個(gè)構(gòu)建的高度圖的算法，并使用相同的模型來(lái)預(yù)測(cè)構(gòu)建軌道的寬度，軌道是否被破壞以及寬度的標(biāo)準(zhǔn)是否有偏差。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(cè)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(guò)程中學(xué)習(xí)很多有用的視頻功能，我們只需要提供大量數(shù)據(jù)來(lái)培訓(xùn)它，并確保它學(xué)得很好?！盠LNL研究人員花了數(shù)年時(shí)間收集激光粉末床融合金屬3D打印過(guò)程的各種形式的實(shí)時(shí)數(shù)據(jù)，包括視頻，光學(xué)層析成像和聲學(xué)傳感器。Giera說(shuō)。 “就像人類(lèi)大腦使用視覺(jué)和其他感官來(lái)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(lái)導(dǎo)航3D打印過(guò)程。”
      Giera說(shuō)，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?，F(xiàn)在，仍然需要做一些工作來(lái)檢測(cè)零件內(nèi)的空隙，這些空隙無(wú)法通過(guò)高度圖掃描進(jìn)行預(yù)測(cè)，但可以使用非原位X射線照相進(jìn)行測(cè)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?！艾F(xiàn)在，任何類(lèi)型的探測(cè)都被認(rèn)為是一個(gè)巨大的勝利。如果我們能夠即時(shí)修復(fù)它，那就是更大的目標(biāo)，“Giera說(shuō)。 “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(shí)發(fā)揮核心作用?！?/p>

來(lái)源：3d打印網(wǎng)    

編輯：董強(qiáng)