Le LLNL développe un système d’inspection par caméra pour l’impression 3D
Des chercheurs mettent au point un système qui utilise l’apprentissage automatique pour détecter les défauts d’impression couche par couche, avant même que la pièce ne sorte de l’imprimante
Une équipe du Lawrence Livermore National Laboratory (LLNL) a mis au point un système combinant caméras et logiciel qui inspecte les pièces imprimées en 3D couche par couche pendant leur fabrication, plutôt qu’après celle-ci, en utilisant l’intelligence artificielle et l’apprentissage automatique pour détecter les défauts en temps réel.
Le système cible l’impression directe par écriture à l’encre (DIW). Des caméras installées sur l’imprimante transmettent des images à un logiciel de segmentation fondé sur l’apprentissage automatique, qui cartographie le matériau au fur et à mesure de son dépôt.
« Nous avons maintenant, en quelque sorte, un cerveau derrière les yeux », a déclaré Brian Weston, ingénieur et responsable de l’IA et de l’apprentissage automatique pour les jumeaux numériques au LLNL, ainsi que responsable technique du projet. « Notre système peut désormais voir pendant l’impression, ce qui nous permet de prendre des décisions fondées sur les données pour la suite du processus. »
Traditionnellement, une pièce doit être entièrement fabriquée et retirée de l’imprimante avant de pouvoir être inspectée, généralement par imagerie à rayons X ou par essais mécaniques. Ces contrôles sont toutefois coûteux et prennent du temps. Le système du LLNL capture plutôt des images à mesure que chaque couche est déposée et calcule en temps réel des mesures telles que le diamètre du filament.
L’équipe a entraîné son modèle de segmentation d’images à partir de près de 15 000 images annotées manuellement. Sur 55 pièces d’essai, les résultats se situaient à quelques micromètres des mesures manuelles. Celles-ci pouvaient nécessiter jusqu’à une heure par image, contre quelques millisecondes pour le logiciel, soit une vitesse environ 100 000 fois supérieure en moyenne.
Lors d’un essai à plus grande échelle, l’équipe a cartographié environ 2 500 images provenant d’une seule couche d’un coussin de 25 × 25 cm, révélant une légère inclinaison de la plateforme qu’une mesure moyenne aurait masquée.
Brian Giera, directeur adjoint du programme Data Science, AI and Manufacturing au LLNL, a déclaré : « L’inspection directement sur la machine constituera une avancée majeure pour réduire les coûts, accroître la productivité et obtenir davantage d’informations sur les pièces que nous fabriquons. Elle permet d’atteindre une capacité longtemps recherchée dans le domaine, et ce, d’une manière qui pourra être étendue à d’autres secteurs importants. »
