University College London fait progresser l’impression 3D métal grâce à l’apprentissage automatique
AM-SegNet est un réseau neuronal intelligent et léger, conçu pour analyser rapidement et avec précision des images radiographiques
Selon l’University College London (UCL), des chercheurs en génie mécanique utilisent des rayons X de forte puissance pour surveiller le processus d’impression 3D métal, ce qui leur permet de mieux le comprendre et de l’améliorer. Toutefois, ces expériences génèrent un volume de données extrêmement important, trop élevé pour être analysé manuellement par des humains.
Une équipe d’experts, comprenant le professeur Lee et le docteur Leung d’UCL, a mis au point AM-SegNet, un réseau neuronal intelligent et léger conçu pour analyser rapidement et avec précision les images radiographiques issues de ces expériences. L’équipe a entraîné AM-SegNet à partir d’une base de données de plus de 10 000 images annotées provenant de grandes installations de recherche à travers le monde.
AM-SegNet est capable d’analyser une image avec une précision d’environ 96 % en moins de 4 millisecondes, tout en offrant une fiabilité supérieure à celle d’autres modèles avancés. Cette performance permet de traiter les données très rapidement et d’accéder plus vite aux informations essentielles.
En accélérant l’analyse des données, AM-SegNet contribue à révéler la physique fine des procédés de FA, ce qui aide les fabricants à améliorer leurs méthodes et à obtenir des résultats plus fiables. Il s’agit d’une avancée majeure pour la surveillance en temps réel et le contrôle qualité dans la FA métallique.
Le code source d’AM-SegNet est disponible publiquement sur GitHub.
