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(xué)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(fā)了一種學(xué)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(chǎn)出9,000多個組件，這可能會對增材制造行業(yè)的質(zhì)量控制、認證和可追溯性產(chǎn)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(fù)性以及尺寸公差和3D打印機之間的關(guān)系。然后他們發(fā)現(xiàn)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(yīng)商控制、質(zhì)量認證和零件認證的整個過程。但是我們?nèi)绾螜z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(gòu)建機器學(xué)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(chuàng)建了9,192個零件。在本研究中，設(shè)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(jié)構(gòu)和插頭。這些組件足夠小，可以實現(xiàn)更高的產(chǎn)量-例如，HP機器每個托盤可以生產(chǎn)108個相同設(shè)計的零件，而FDM機器可以生產(chǎn)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(cè)，另一次在帶有序列號的一側(cè)。生成的圖像用于生成深度學(xué)習模型，以確定哪臺機器打印了哪個部件。確實，區(qū)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(qū)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(jié)果表明，AI模型僅使用10個零件進行訓(xùn)練就能做出準確的預(yù)測。只需使用來自供應(yīng)商的幾個樣品，就能驗證其隨后交付的所有產(chǎn)品?！遍_發(fā)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(tǒng)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(chǎn)品，確保材料和印刷工藝的一致性等。通過這種學(xué)習模式，可以更好地控制生產(chǎn)過程。William King補充道：“對于大多數(shù)公司來說，持續(xù)監(jiān)控供應(yīng)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(chǎn)出一批不合格產(chǎn)品時才會被注意到。每個從事制造業(yè)的人都知道，供應(yīng)商未經(jīng)授權(quán)更改某些內(nèi)容，從而導(dǎo)致嚴重問題?！?/span>

編譯整理：3dnatives