低成本的方法加快了对3D打印金属部件的分析

大多数3d打印金属合金由无数微观晶体组成，这些晶体在形状、大小和原子晶格方向上各不相同。通过绘制出这些信息，科学家和工程师可以推断出合金的特性，比如强度和韧性。

据新加坡南洋理工大学(NTU Singapore)的科学家称，这项技术可以使一系列领域受益，包括航空航天领域，在航空航天领域，对关键任务部件的低成本、快速评估可能有利于维护、修理和大修行业。

到目前为止，分析3D打印金属合金中的这种微观结构是通过使用昂贵的扫描电子显微镜进行费力且耗时的测量来实现的。

更多来自增材制造

南洋大学助理教授Matteo Seita和他的团队设计的这种方法据称可以在几分钟内提供相同质量的信息，该系统由光学相机、手电筒和运行该团队开发的专有机器学习软件的笔记本电脑组成。

该团队的新方法首先需要用化学物质处理金属表面以揭示微观结构，然后将样品面向相机，并在手电筒从不同方向照射金属时拍摄多个光学图像。

然后，该软件分析由不同金属晶体表面反射的光产生的图案，并推断出它们的方向。整个过程大约需要15分钟完成。

该小组的研究结果发表在npj计算材料上个月。

“使用我们廉价且快速的成像方法，我们可以很容易地分辨出好的3d打印金属部件和有缺陷的金属部件。目前，除非我们详细评估材料的微观结构，否则不可能分辨出区别，”南洋理工大学机械与航空航天工程学院和材料科学与工程学院的助理教授Seita说。

“没有两个3d打印的金属部件是相同的，即使它们可能是使用相同的技术生产的，并且具有相同的几何形状。从概念上讲，这类似于两个完全相同的木制文物可能各自具有不同的颗粒结构。”

Seita助理教授认为，这种成像方法可以简化3D打印生产的金属合金零件的认证和质量评估。

Seita助理教授和他的团队开发的软件使用了神经网络，而不是使用复杂的计算机程序来根据获得的光信号测量晶体的方向。然后，该团队通过向该软件输入数百张光学图像，利用机器学习对其进行编程。

最终，他们的软件学会了如何根据光从金属表面散射的不同，从图像中预测金属晶体的方向。然后测试它能够创建一个完整的“晶体取向图”，它提供了关于晶体形状、大小和原子晶格取向的全面信息。

为了将他们的方法商业化，该团队目前正在与南洋理工大学的创新和企业公司NTUitive进行讨论，以探索成立一家衍生公司或授权其专利的可能性。