南洋理工大学的研究人员开发了一种快速、低成本的成像方法，可以分析3D打印金属零件的结构，以评估材料的质量。该系统使用一台光学相机、一个光源和一台自主开发的专有机器学习软件的笔记本电脑。相关研究发表在《npj Computational Materials》上。
大多数3D打印金属合金由各种微观晶体组成，它们在形状、大小和原子晶格取向上都不同。将这些信息映射出来，就可以推断出合金的性能，比如强度和韧性。为了分析这种微观结构，通常使用扫描电子显微镜，这是一个昂贵且耗时的过程。这些显微镜本身的价格在7.5万美元到150万美元之间。
图注：NTU 助理教授 Matteo Seita 使用原型成像系统分析一块 3D 打印合金的强度和硬度
另一方面，该团队所提出的方法涉及的硬件成本不到 20,000 美元。 该方法首先用化学物质处理金属表面，以揭示微观结构，然后将样品面向相机放置，当光源从不同方向照亮金属时，相机会拍摄多张图像。
然后，该软件分析由不同金属晶体表面反射的光产生的图案，然后推断它们的方向。整个过程大约需要15分钟。
南洋理工大学机械与航空航天工程学院和材料科学与工程学院助理教授 Matteo Seita 说，“使用我们廉价且快速的成像方法，我们可以轻松区分优质的 3D 打印金属部件和有缺陷的金属部件。目前，除非我们详细评估材料的微观结构，否则不可能分辨出它们的区别。”。
图注：分析3D打印金属表面的独特晶体图案，将可能为通过增材制造制造的零件认证和质量评估铺平道路
“没有两个 3D 打印的金属部件是相同的，即使它们使用相同的技术生产并具有相同的几何形状。从概念上讲，这类似于两个原本相同的木制手工艺品可能各自具有不同的纹理结构。”
Seita 认为，该团队的成像方法有可能简化 3D 打印或增材制造生产的金属合金零件的认证和质量评估。
使用高功率激光熔化金属粉末并将它们逐层融合在一起是3D 打印金属部件最常用的技术之一。然而，微观结构以及印刷金属的质量取决于几个因素，这其中包括激光的速度和强度，在添加下一层之前分配的冷却时间，以及所用金属粉末的类型和品牌。
该团队没有使用从获得的光学信号中测量晶体取向的复杂程序，而是使用一个神经网络，为其提供数百张光学图像以供学习。最终，它学会了根据光从金属表面散射的方式的差异，从图像中预测金属中晶体的方向。
然后，他们测试了该方法，以创建完整的“晶体取向图”，该图提供了有关晶体形状、尺寸和原子晶格取向的全面信息。
该团队目前正在与 NTU 的创新和企业公司 NTUitive 进行讨论，以探索成立衍生公司或许可其专利的可能性。
