在粉末床增材制造的质量控制中，传感器与机器学习技术正发挥核心作用。然而，系统的最终性能常取决于一个被普遍忽视的基础环节：粉末床的恰当照明。

通常，设计重点被放在最大化相机分辨率上。但真正决定传感器能否观测到异常与缺陷迹象的指标，是系统的 “实际分辨能力” 。该能力高度依赖于成像对比度，而非单纯像素数量。

以美国能源部先进材料与制造技术办公室（AMMTO）资助开发的传感器系统为例（如图所示），其照明方案经过专门设计：

顶部漫射光源产生明场照明条件，有效提升熔融后图像中已熔材料与粉末之间的对比度。

侧向光源则产生暗场照明条件，擅长通过投射阴影来凸显铺粉后图像中的刮板与零件相互作用。

任何照明系统在粉末床上均会存在照明度不均的现象。若您采用基于机器学习的异常检测算法，必须在图像预处理阶段和/或模型训练过程中予以慎重考量，以确保算法对此类照明差异具备充分的鲁棒性。

深度学习与金属增材制造的融合恰逢其时

从“制造”到“智造”：高精度传感器正重塑增材制造未来——从ASTM的ICAM大会看行业智能化趋势及中国机遇

打开网易新闻 查看精彩图片