Ученые из Иллинойсского университета разработали инновационный подход для выявления дефектов в компонентах, созданных методом аддитивного производства. Проверка готовых изделий на отсутствие дефектов всегда была одной из ключевых задач любого производства. В аддитивном производстве эта задача усложняется из-за сложной трехмерной геометрии и скрытых внутренних характеристик компонентов.
В опубликованном в журнале Journal of Intelligent Manufacturing исследовании описывается использование рентгеновской компьютерной томографии для проверки внутренних частей 3D-компонентов со скрытыми дефектами. Новый метод применяет глубокое машинное обучение, что упрощает процесс обнаружения дефектов. Для обучения модели исследователи использовали компьютерное моделирование, создав десятки тысяч синтетических дефектов. Эти дефекты, различающиеся по размеру, форме и расположению, позволили модели обучиться на разнообразных примерах и эффективно распознавать дефекты в реальных компонентах.
Алгоритм был протестирован на физических деталях, некоторые из которых имели дефекты, а некоторые – нет. Результаты показали, что алгоритм успешно выявил сотни дефектов в реальных компонентах, которые ранее были невидимы.
Профессор механики и инженерии Уильям Кинг, руководитель проекта, отметил:
«Эта технология решает одну из самых сложных задач в аддитивном производстве. Благодаря компьютерному моделированию мы можем быстро создать модель машинного обучения, которая с высокой точностью обнаруживает дефекты. Глубокое обучение позволяет нам точно идентифицировать дефекты, которые раньше не могли быть замечены компьютером».
Необходимость глубокого изучения метода, основанного на глубоком машинном обучении, становится очевидной. Эта технология значительно упрощает процесс обнаружения дефектов, что особенно важно для аддитивного производства. Традиционные методы проверки не всегда эффективны из-за сложности и уникальности создаваемых компонентов. Применение глубокого машинного обучения в аддитивном производстве повышает точность обнаружения дефектов и делает процесс проверки более быстрым и надежным.
Источник
