产品经理|Nature子刊：3D打印金属零件新型成像检测方法，或将改变航空航天业( 六 ) 项目管理|ai

图6 检测DRM数据集中的异常和系统偏差。
这些示例表明，将异常检测应用于感兴趣的新样本可以有效地检测不具代表性的数据，从而能够通过EulerNet模型先发制人地验证其对定向成像的适用性。由于高 z 得分的含义可能有所不同，因此根据此指标保留或丢弃数据的最终决定应留给操作员，基于他/她的领域专业知识和对数据的解释。
未来展望
研究结果巩固了机器学习算法在自动解码方向反射信号方面的巨大潜力，并将其应用于晶体学方向映射。在本文中，决定将重点放在Inconel 718上，因为这种合金具有技术相关性，该合金用于飞机，火箭发动机，涡轮机和燃烧室中的许多部件。然而，原则上方法将适用于可以识别可靠晶体蚀刻方法的任何其他合金。幸运的是，金相学家制作的大量文献促进了易于在试样表面产生晶体学特征的蚀刻剂的鉴定，他们在过去几十年中完善了金属和金属合金的化学蚀刻。
一旦为给定材料确定了合适的蚀刻剂，机器学习方法就可以应用，而无需进行详细的微观结构研究或推导和手动调整基于物理的方向索引模型。唯一的要求是收集一组待表征材料的初始标本，通过DRM和EBSD评估其微观结构，并训练和验证相应的EulerNet模型。由于最初收集数据以执行新模型的训练，验证和优化的成本相对较高，因此在整个材料科学界共享各种不同材料的训练模型以及有关样品表面制备，使用的DRM设备（以及相应的校准）的详细信息，具有很大的好处。和可实现的性能。例如，可以通过电子合作来实现这一努力。
执行DRM测量所需的设备的低成本和可用性有望在学术界和工业界传播光学定向映射功能。此方法将立即应用于金属增材制造工艺的研发，其中对将定向成像扩展到整个大规模组件有着浓厚的兴趣。此外，机器学习方法是第一个通过光学手段展示复杂合金的方向成像的方法。因此，它可能是为高通量光学取向显微镜奠定坚实基础的关键，从而更快地发现过程 - 结构 - 性质关系并加速材料发现。
方法
数据
I718试样的标称成分为54%Ni ， 18%Cr ， 20%Fe ， 5%Mo ， 2%Nb和1%Ti 。使用配备24Vx喷嘴的商业定向能量沉积机（由BeAM）生产它们。将舱口间距设置为1.5 mm ，重叠率为33% ，工作距离设置为13 mm ，中心和次级气体流速设置为6和10 L / min 。沉积后使用三级工艺在真空炉中对I718试样进行热处理，包括在950°C下保持60分钟，在750°C下保持8小时（用于时效硬化），在690°C下再保持8小时（遵循I718的标准AMS5663）。沿着垂直于构建方向（Z）的XY平面切割热处理的试样，并根据标准金相样品制备技术对其进行机械研磨，以揭示微观结构。为了研磨试样，使用一系列从320粒度到4000粒度的碳化硅纸。然后，使用二氧化硅颗粒的胶体悬浮液将它们抛光成镜面状。最后，将样品浸入Kalling的2试剂（5g氯化铜， 100mL盐酸和100 mL乙醇）浴中，在室温下蚀刻10分钟。
对于所有样品，通过EBSD测量晶体取向并记录EBSD和DRM视场，以便每个反射率模式都可以与参考方向相关联，将其视为基本事实。在配备牛津仪器Nordlys2 S EBSD探测器的JEOL 7600 F场发射扫描电子显微镜中进行了EBSD测量。使用15 mA发射电流， 20 kV加速电压和15μm步长。为了进行DRM测量，使用了一台由奥林巴斯SZ6145立体显微镜组成的设备，该仪器配备了3X物镜，工业单色CMOS相机和白色LED光源。将光源仰角（θ）从15°变为65° ，步长为10° ，方位角（φ）从0°到355° ，步长为5° ，并为每个（θ ， φ）组合捕获图像。因此，每个 DRM 数据集都包含 6 个× 72 = 432 个图像的堆栈。捕获的图像的原始分辨率为2448×2048像素。在DRM数据集中，图像被缩小到1224×1024像素，以减少数据处理过程中的内存传输。将测量的反射率与均匀的白色反射器进行归一化以补偿不均匀的光强度。研究人员使用TV-L1求解器的Python Scikit-image实现注册了DRM和EBSD数据集，以进行粗略到精细的光流估计。