英特尔|2023年首篇Science：实时检测3D打印缺陷，预测率几近100%( 二 ) 第四代|CPU

气孔就有可能在部件中存在，甚至在一开始设定好了打印某一特定材料无缺陷时也会产生缺陷。
在LPBF实时探测匙孔的生成时，不仅对部件制造完成后的质量评定和审查是至关重要的，同时也是在制造过程中局部变化预测时必须要发展的闭环系统。
光学和声学探测器是较常见的用于过程监控、数据分析处理的，已经用于气孔相关的工艺信号处理。上述努力尽管已经取得了一定的成功，尤其是用机器学习这一手段方面，这一手段通常条件下区分不同的气孔倾向的状态，探测局部区域的匙孔的生成，但仍然存在面临着较大的挑战。这一问题的存在是因为匙孔气孔的生成所具有的随机的特性所决定的，其生成区别于工艺参数的漂移。在一个不稳定的匙孔状态下的激光扫描，其确切的气孔生成的位置是随机的，并且气泡会变成气孔缺陷，并且会被匙孔所重新捕获和消失，却不易探测。
在这里，来自美国弗吉尼亚大学Tao Sun教授等人探测了LPBF制造Ti-6Al-4V合金时不稳定匙孔时，利用同步高速同步辐射X射线和热成像技术，发现了两类匙孔气孔，并且发展了一种策略来探测匙孔的生成，这一办法是将实验数据、多物理场模拟和机器学习结合在一起来实现的。研究人员利用匙孔区域探测到的热信号来预测气孔的生成。 LPBF工艺过程中的X射线图像提供丰富的数据校正和证实理论模型的正确性，并且训练机器学习。研究人员获得了几近完美的探测精度，探测级别的时间在亚毫秒。
相关成果以“Machine learning–aided real-time detection of keyhole pore generation in laser powder bed fusion”为题发表在最新一期《Science》上。
【英特尔|2023年首篇Science：实时检测3D打印缺陷，预测率几近100%】
文章来源：Machine learning–aided real-time detection of keyhole pore generation in laser powder bed fusion ， SCIENCE ， 5Jan 2023 ， Vol379 Issue6627 ， pp.89-94 ， DOI: 10.1126/science.add4667