Программное обеспечение Peregrine Национальной лаборатории Оук-Ридж , используемое для мониторинга и анализа деталей, созданных методом аддитивного производства в порошковом слое, выпустило самый продвинутый на сегодняшний день набор данных.

В рамках постоянных усилий по поддержке национальной отрасли аддитивного производства с помощью комплексных наборов данных Производственный демонстрационный центр Министерства энергетики США создал этот новый набор данных в рамках исследования по установлению тесных корреляций между производственными аномалиями, внутренними дефектами и полученными механическими характеристиками.

Этот набор данных содержит самые современные данные мониторинга процесса лазерной порошковой литьевой обработки (L-PBF) . Он включает параметры машинного процесса, данные датчиков, геометрические параметры и подробные изображения процесса 3D-печати, полученные с разных ракурсов и при разных типах освещения, включая высококачественные изображения в видимом и ближнем инфракрасном диапазонах, а также рентгеновские снимки напечатанных деталей.

«Peregrine делает снимки во время печати, используя ИИ для поиска аномалий», — сказал Люк Сайм, исследователь из группы аналитики производственных систем в ORNL. «Вы делаете это для каждого слоя и создаёте трёхмерную карту всех мест, где могут возникнуть проблемы, а затем пытаетесь предсказать, какие из них могут вызвать проблемы на конечном этапе».

Специальный алгоритм программного обеспечения Peregrine использует значения пикселей изображений для тщательной проверки состава краев, линий, углов и текстур и отправляет операторам оповещения о любых проблемах в процессе печати, чтобы они могли быстро внести коррективы.

Благодаря своей сверточной нейронной сети с динамической многоуровневой сегментацией (DMSCNN) Peregrine анализирует данные с нескольких датчиков для выявления проблем и отправки оповещений. Например, при печати на L-PBF возникают брызги, когда расплавленный материал выбрасывается при плавлении лазером металлического порошка. Эти брызги могут попадать в другие части детали, что влияет на общее качество. Новый набор данных включает все результаты сегментации с помощью DMSCNN и образцы, испытанные на усталость, подвергшиеся воздействию брызг.

Этот комплексный набор данных поддерживает разработку моделей ИИ для цифровой квалификации процессов аддитивного производства. Используя улучшенный набор данных Peregrine с открытым исходным кодом, исследователи и производители могут разрабатывать ещё более интеллектуальные и адаптивные системы обеспечения и контроля качества для своих 3D-печатных деталей.

Источник