人工智能模型通過照片識別3D打印部件的來源

魔猴君  科技前沿   10天前

如果能夠通過一張簡單的照片檢測出3D打印部件的來源，那會怎樣？這就是伊利諾伊大學香檳分校團隊進行這項研究的全部目的。他們利用人工智能開發了一種學習模型，能夠分辨出某個零件是在哪臺3D打印機上制造的。該模型已生產出9,000多個組件，這可能會對增材制造行業的質量控制、認證和可追溯性產生重大影響。

該項目從隨機3D打印開始，研究人員希望更多地了解可重復性以及尺寸公差和3D打印機之間的關系。然后他們發現他們打印的所有碎片上都存在一種指紋。因此，可以更好地追蹤每一個，從而促進供應商控制、質量認證和零件認證的整個過程。但是我們如何檢測這些指紋的存在呢？依靠人工智能。

研究人員想象的過程

構建機器學習模型

研究團隊使用21臺不同的3D打印機和四種增材制造工藝（FDM、SLA、Multi Jet Fusion和DLS）創建了9,192個零件。在本研究中，設計了三種類型的零件，包括各種幾何特征和尺寸：連接器、晶格結構和插頭。這些組件足夠小，可以實現更高的產量-例如，HP機器每個托盤可以生產108個相同設計的零件，而FDM機器可以生產176個。

然后，每個部件通過高分辨率平板掃描儀掃描兩次：一次在較大的一側，另一次在帶有序列號的一側。生成的圖像用于生成深度學習模型，以確定哪臺機器打印了哪個部件。確實，區分這些過程是相當明顯的（我們可以看到MJF粉末的粗糙度或FDM中噴嘴可以生成的圖案），但不能明顯區分3D打印機本身。因此，有必要分析這些圖像并進行測試，特別是通過標準化像素。

William King是該項目的負責人之一：“我們的結果表明，AI模型僅使用10個零件進行訓練就能做出準確的預測。只需使用來自供應商的幾個樣品，就能驗證其隨后交付的所有產品。”開發的模型將達到98%以上的準確率。

3D打印連接器的四種增材制造工藝

AI如何提高3D零件的可追溯性？

因此，該檢測系統無需原始制造商的合作，最終也無需第三方的幫助，就能找到零件的來源。這將使我們能夠打擊假冒產品，確保材料和印刷工藝的一致性等。通過這種學習模式，可以更好地控制生產過程。William King補充道：“對于大多數公司來說，持續監控供應商是不可能的。制造流程的變更可能長期不被察覺，只有在生產出一批不合格產品時才會被注意到。每個從事制造業的人都知道，供應商未經授權更改某些內容，從而導致嚴重問題。”

編譯整理：3dnatives