近日，美國卡內基梅隆大學工程學院的研究人員開發出一種可以自動識別和分類不同種類的金屬3D打印粉末的機器視覺技術，準確率超過95%，有望5年內普及。計算機的粉末識別能力實際上比訓練有素的人更好。研究人員認為他們的工作會有助于未來的自主微觀結構分析研究。

在金屬3D打印領域，打印件的測試緩慢是一個急需解決的問題。為此，卡內基梅隆大學工程學院的研究人員開發出一種可以自動識別和分類不同種類的金屬3D打印粉末的機器視覺技術，其準確率在95%以上。該技術可以大大加快和改進金屬3D打印件的測試，并有望在五年內普及。

研究人員說，這種粉末識別能力可能會大大減對3D打印件的物理測試，“在傳統制造領域，通常會對部件進行破壞性測試來確定它是否合格。但通過*分類進入3D打印機的粉末，其中的一些破壞性測試將變得多余。”

“破壞性測試需花費大量的時間和金錢，在增材制造中應該被避免，以保持3D打印的按需性質。我們的研究著眼于新的資格概念，如機器學習來保證成功的3D打印構建。”

研究員談到的機器學習涉及培訓一臺計算機，以在無人監督的情況下識別和分類粉末。隨后，這種計算機可以看出一種金屬粉末是否具有一個零件所要求的微觀結構質量，如強度、疲勞壽命、韌性等。如果符合要求，一旦用它們將零件3D打印出來，零件就不太可能破裂或發生故障。

研究團隊已經用八種不同的商業原料粉末對他們的機器視覺粉末分類系統進行測試，發現該系統能捕獲更多金屬3D打印粉末的相關信息(與普通的手工測量相比)。

該系統甚至可以識別粉末的許多不同特征，如有顆粒多大，顆粒是如何組合在一起的，顆粒的表面粗糙度以及它們的形狀等等。令人驚訝的是，計算機的粉末識別能力實際上比訓練有素的人更好。

“重要的是，這種機器視覺方法是自主的、客觀的和可重復的，”研究員總結說，“這種標準化是推進3D打印件質量保證的必要條件。”

研究人員認為他們的工作會有助于未來的自主微觀結構分析研究。如果它讓金屬3D打印更快，那也不是一件壞事。