Intelligent quality monitoring for additive manufactured surfaces by machine learning and light scattering
Intelligent quality monitoring for additive manufactured surfaces by machine learning and light scattering
复制标题
通过机器学习和光散射对增材制造表面进行智能质量监控
DOI：
10.1117/12.2592554
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Liu M
中科院分区：
文献类型：
--
作者：
Liu M
提出了一种结合机器学习和光散射的增材制造表面质量监测新方法。所提出的方法旨在通过使用自动编码器检测散射图案的变化来监测增材制造表面的不期望的形貌修改，自动编码器是一种无监督的机器学习模型，使用从具有期望的表面形貌的参考表面直接测量的数据集进行训练。鉴于自动编码器的无监督学习性质，不需要使用从具有偏差的表面获取的数据集进行训练，这使得所提出的方法具有吸引力，因为不需要检索有缺陷的表面样本来训练自动编码器。更重要的是，当来自具有所需但不同形貌的新型表面的数据集可用时，可以更新自动编码器。由于与新地形相关的散射图案相对容易通过实验获得，我们证明了我们的自动编码器可以用新的散射图案重新训练，并学习解决更广泛的表面，相对于采用静态模型的机器学习解决方案显示出上级性能，仅在最初可用的信息上训练一次。对激光粉末床熔合表面的实验表明，该方法是有效的。测量系统的相对简单和低成本的设置也使得所提出的方法吸引在商业增材制造机器上实施。
This paper presents a novel quality monitoring method for additive manufactured surfaces combining machine learning and light scattering. The proposed method aims to monitor undesired topographical modifications of additive manufactured surfaces by detecting changes in a scattering pattern using an autoencoder, which is an unsupervised machine learning model, trained with datasets directly measured from reference surfaces with desired surface topographies. Given the unsupervised learning nature of the autoencoder, training with datasets acquired from surfaces with deviations is not necessary, which makes the proposed method appealing, as there is no need to retrieve defective surface samples to train the autoencoder. More importantly, the autoencoder can be updated when datasets from a new type of surface with desired but different topographies are available. As scattering patterns related to new topographies are relatively easy to obtain by experiment, we demonstrate that our autoencoder can be retrained with new scattering patterns and learn to address a wider variety of surfaces, showing superior performance with respect to machine learning solutions adopting a static model, trained only once on the initially available information. Experiments performed on laser powder bed fusion surfaces show that the proposed method is effective. The relatively simple and low-cost setup of the measurement system also makes the proposed method appealing for implementation on commercial additive manufacturing machines.
登录
查看更多内容
影响因子：
4.1
作者：
Leach, R. K.;Bourell, D.;Dewulf, W.
通讯作者：
Dewulf, W.
DOI：
10.1115/1.4037571
发表时间：
2018-05-01
影响因子：
4
作者：
Heigel, J. C.;Lane, B. M.
通讯作者：
Lane, B. M.
DOI：
10.1364/josaa.396186
发表时间：
2020-09-01
影响因子：
1.9
作者：
Dickins, Andrew;Widjanarko, Taufiq;Leach, Richard
通讯作者：
Leach, Richard
DOI：
10.1117/12.2555035
发表时间：
2020-04
期刊：
Optics and Photonics for Advanced Dimensional Metrology
影响因子：
--
作者：
Mingyu Liu;N. Senin;Rong Su;R. Leach
通讯作者：
Mingyu Liu;N. Senin;Rong Su;R. Leach
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
R. Leach;S. Carmignato
通讯作者：
S. Carmignato