Канадские ученые испытали 3D-принтер с машинным обучением

Ученые Университета Саймона Фрейзера разработали самообучающуюся систему, подбирающую в режиме реального времени оптимальные значения потока расплава при FDM 3D-печати.

Разработанные алгоритмы позволяют добиваться оптимального качества 3D-печатных структур с максимальной экономией расходного материала. Поток — одна из основных настроек, определяющая объем укладываемого материала. Слишком низкие значения потока приводят к образованию дефектов, влияющих на прочность изделий, тогда как избыточная экструзия отрицательно сказывается на внешнем виде и приводит к перерасходу материала. Точные значения нередко приходится подбирать опытным путем, а исследователи из Университета Саймона Фрейзера решили автоматизировать процесс с помощью самообучающихся алгоритмов.

Команда использовала 3D-принтер Creality CR-10S, заряженный филаментом из полилактида. Вентилятор и обдув сместили в сторону, чтобы освободить место под вебкамеру Logitech C270 и светодиодную подсветку. Камера фиксирует процесс 3D-печати через Octoprint, получаемые изображения анализируются предварительно обученной нейросетью, после чего значение потока корректируется соответствующим образом для следующего слоя.

В ходе экспериментов исследователи испытали пять нейросетей: MobileNet, DenseNet121, VGG16, InceptionV3 и Resnet50. Наилучших результатов в плане точности распознавания удалось добиться с MobileNet. Обучение проводилось по 8890 монохромным изображениям восьми моделей. Конвертация цветной картинки в монохромную обеспечивает стабильность результатов при работе с филаментами разных оттенков. Дополнительно команда ретушировала сопло на снимках, чтобы налипающий материал не влиял на результаты машинного анализа.

Команда утверждает, что использование самообучающихся алгоритмов регулировки потока позволяет повышать прочность образцов до двух раз, а также экономить до 40% расходного материала. Ученые считают, что опробованный метод может быть адаптирован к другим технологиям 3D-печати, а также усовершенствован за счет автоматического контроля дополнительных параметров, например температуры. С докладом научной команды можно ознакомиться по этой ссылке.

Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК

Бесплатная служба распространения новостей для научных организаций и стартапов

hello@technovery.com