Un grupo de investigadores de la UCL impulsa la impresión 3D de metales con la ayuda del aprendizaje automático

Según una información publicada por la University College London (UCL), los investigadores en ingeniería mecánica han estado utilizando potentes rayos X para supervisar el proceso de impresión 3D de metal, lo que les ha permitido avanzar en su comprensión e introducir mejoras. Sin embargo, estos experimentos con rayos X producen una enorme cantidad de datos, demasiados para que los seres humanos puedan analizarlos de forma manual.

Un equipo de expertos —entre ellos el profesor Lee y el doctor Leung, de la UCL— ha creado AM-SegNet, una red neuronal inteligente que sobresale por su ligereza y que ha sido diseñada para analizar de forma rápida y precisa las imágenes de rayos X de estos experimentos. El equipo la ha entrado utilizando una base de datos de más de 10 000 imágenes etiquetadas procedentes de los principales centros de investigación de todo el mundo.

AM-SegNet puede analizar una imagen con una precisión de aproximadamente el 96% en menos de 4 milisegundos, y es más fiable que otros modelos avanzados. Eso significa que puede procesar rápidamente los datos, lo que permite a los investigadores obtener información importante de forma mucho más ágil.

Al acelerar el análisis de datos, AM-SegNet contribuye a obtener información detallada sobre los procesos físicos que tienen lugar durante la fabricación aditiva, lo que a su vez permitirá a los fabricantes mejorar sus técnicas y obtener resultados más fiables. Este desarrollo supone un importante avance desde el punto de vista de los sistemas de supervisión en tiempo real y el control de calidad en el ámbito de la fabricación aditiva de metal.

El código fuente de la red AM-SegNet está disponible para el público en GitHub.