Forscher der UCL treiben den 3D-Metalldruck mit maschinellem Lernen voran
AM-SegNet ist ein intelligentes, leichtgewichtiges neuronales Netzwerk, das für die schnelle und genaue Analyse von Röntgenbildern entwickelt wurde.
Laut dem University College London (UCL) verwenden Forscher aus dem Bereich Maschinenbau leistungsstarke Röntgenstrahlen, um den 3D-Druckprozess von Metallen zu überwachen, was ihnen hilft, diesen besser zu verstehen und zu verbessern. Diese Röntgenexperimente erzeugen jedoch eine riesige Datenmenge – zu viel, als dass sie von Menschenhand analysiert werden könnte.
Ein Expertenteam, darunter Prof. Lee und Dr. Leung vom UCL, entwickelte AM-SegNet, ein intelligentes, leichtgewichtiges neuronales Netzwerk, das die Röntgenbilder aus diesen Experimenten schnell und genau analysieren kann. Das Team trainierte AM-SegNet anhand einer Datenbank mit mehr als 10.000 gekennzeichneten Bildern aus führenden Forschungseinrichtungen weltweit.
AM-SegNet kann ein Bild mit einer Genauigkeit von etwa 96 % in weniger als 4 Millisekunden analysieren und ist zuverlässiger als andere fortschrittliche Modelle. Das bedeutet, dass es die Daten schnell verarbeiten kann und Forschern hilft, schneller zu wichtigen Erkenntnissen zu gelangen.
Durch die Beschleunigung der Datenanalyse trägt AM-SegNet dazu bei, die detaillierten physikalischen Vorgänge des AM-Prozesses aufzudecken, was wiederum den Herstellern hilft, ihre Methoden zu verbessern und zuverlässigere Ergebnisse zu erzielen. Dies ist ein bedeutender Fortschritt für die Echtzeitüberwachung und Qualitätskontrolle in der additiven Metallfertigung.
Der Quellcode von AM-SegNet ist auf GitHub öffentlich zugänglich.
