使用監(jiān)督機(jī)器學(xué)習(xí)的3D打印自動(dòng)化過(guò)程監(jiān)控

來(lái)源： Ai賦能材料

質(zhì)量監(jiān)控仍然是增材制造（俗稱 3D 打?。┲械囊淮筇魬?zhàn)。在印刷過(guò)程中檢測(cè)缺陷將有助于消除材料和時(shí)間的浪費(fèi)。打印初始階段的缺陷檢測(cè)可能會(huì)發(fā)出警報(bào)以暫?；蛲Ｖ勾蛴∵^(guò)程，以便可以采取糾正措施以防止需要重新打印部件。本文提出了一種通過(guò)集成相機(jī)、圖像處理和監(jiān)督機(jī)器學(xué)習(xí)來(lái)自動(dòng)評(píng)估 3D 打印部件質(zhì)量的方法。根據(jù)零件幾何形狀，在打印過(guò)程的幾個(gè)關(guān)鍵階段拍攝半成品零件的圖像。提出了一種機(jī)器學(xué)習(xí)方法，即支持向量機(jī) (SVM)，以將零件分類為“良好”或“有缺陷”類別。打印使用 ABS 和 PLA 材料的零件以展示所提出的框架。提供了一個(gè)數(shù)值例子來(lái)說(shuō)明所提出的方法是如何工作的。

圖1. 實(shí)驗(yàn)設(shè)置。

圖2. 在檢查站拍攝的照片。

圖3. SVM的基本概念。

圖4. 未標(biāo)記的當(dāng)前輸入在檢查點(diǎn)處的圖像。

參考引用：
Delli U, Chang S. Automated process monitoring in 3D printing using supervised machine learning[J]. Procedia Manufacturing, 2018, 26: 865-870.

原文鏈接：
http://doi.org/10.1016/j.promfg.2018.07.111