使用監(jiān)督機器學習的3D打印自動化過程監(jiān)控

來源： 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)。在印刷過程中檢測缺陷將有助于消除材料和時間的浪費。打印初始階段的缺陷檢測可能會發(fā)出警報以暫�；蛲Ｖ勾蛴∵^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集成相機、圖像處理和監(jiān)督機器學習來自動評估 3D 打印部件質(zhì)量的方法。根據(jù)零件幾何形狀，在打印過程的幾個關(guān)鍵階段拍攝半成品零件的圖像。提出了一種機器學習方法，即支持向量機 (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。提供了一個數(shù)值例子來說明所提出的方法是如何工作的。

圖1. 實驗設(shè)置。

圖2. 在檢查站拍攝的照片。

圖3. SVM的基本概念。

圖4. 未標記的當前輸入在檢查點處的圖像。

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