AM易道最近读到一篇来自伊利诺伊大学厄巴纳-香槟分校研究者发表在《npj Advanced Manufacturing》期刊上的有趣研究。

这项研究讲述了一个机制：

每台3D打印机都会在其制造的部件上留下独特的标记，而这些标记可以通过高分辨率照片和深度学习被识别出来。

研究团队通过21台不同的打印机制造了9192个部件，使用了四种不同的增材制造工艺：

数字光合成(DLS)、多喷射熔融(MJF)、立体光刻(SLA)和熔融沉积成型(FDM)。

这些工艺各有特点。

DLS使用光和树脂创建部件，MJF使用粉末材料，SLA通过光固化液态树脂，而FDM则是通过挤出融化的塑料丝。

每种工艺都会在部件表面留下特定的纹理和特征，这些特征成为了识别打印机的关键。

研究团队使用普通的文档扫描仪以5.3微米分辨率捕捉这些部件的高清照片。

然后，他们开发了一种深度学习模型，从这些照片中学习识别每台打印机的独特特征。

结果很棒！模型能以超过98%的准确率预测制造部件的具体打印机！

更秀的是，这项技术不仅能识别打印机，还能识别制造工艺、使用的材料，甚至部件在打印床上的具体位置和它所属的生产批次！

对于DLS部件，模型甚至可以100%准确地识别所用材料，并能以82%的准确率确定部件在打印床上的位置。

另外发现，不同3D打印工艺需要不同大小的图像区域进行有效识别。

DLS部件只需200微米×200微米的小区域就足够进行指纹识别，而FDM机器需要更大的区域才能准确识别来源。

AM易道认为，研究这些发现的意义远超实验室。

在现实世界中，制造供应链往往复杂而不透明。

原始设备制造商可能不知道谁在为他们的供应商提供零部件。

3D打印因其分布式制造的潜力而特别容易受到供应链风险的影响。

假设一个关键部件出现故障，但却缺少标签或标记不正确，那么追踪其来源并解决根本问题将变得极其困难。

这就是这项研究的闪光点所在。溯源！

通过简单拍摄部件照片，制造商可以验证部件的真实性，检测材料或生产工艺的变化，甚至在没有供应商合作的情况下确定部件的来源。

这对高端工业应用尤为重要，在这些行业中，假冒部件可能导致严重的经济损失甚至生命危险。

研究展示了如何利用普通的成像设备和人工智能，创造一种无需标签、防篡改的方式来确保3D打印部件的真实性和质量。