南洋理工大学的研究人员开发了一种快速、低成本的成像方法，可以分析 3D 打印金属部件的结构以评估材料的质量。该系统使用光学摄像头、光源和运行该团队开发的专有机器学习软件的笔记本电脑。

大多数 3D 打印金属合金由各种形状、尺寸和原子晶格取向不同的微观晶体组成。将这些信息映射出来，就可以推断出合金的特性，例如强度和韧性。为了分析这种微观结构，通常使用扫描电子显微镜，这是一个昂贵且耗时的过程。显微镜本身的成本在 75,000 到 150 万美元之间。

NTU 助理教授 Matteo Seita 使用原型成像系统分析一块 3D 打印合金的强度和硬度。由新加坡南洋理工大学提供。

另一方面，该团队方法所涉及的硬件成本不到 20,000 美元。该方法首先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，当光源从不同方向照亮金属时，相机会拍摄多张图像。

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，然后推断它们的方向。整个过程大约需要 15 分钟。

“使用我们廉价且快速的成像方法，我们可以轻松区分好的 3D 打印金属部件和有缺陷的部件。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，”南大机械与航空航天工程学院和材料科学与工程学院助理教授 Matteo Seita 说。

分析 3D 打印金属表面的独特晶体图案可能为通过增材制造制造的零件的认证和质量评估铺平道路。由新加坡南洋理工大学提供。

“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并具有相同的几何形状。从概念上讲，这类似于两个原本相同的木制手工艺品可能各自拥有不同的纹理结构。”

Seita 认为，该团队的成像方法有可能简化 3D 打印或增材制造生产的金属合金零件的认证和质量评估。

3D 打印金属零件最常用的技术之一是使用高功率激光熔化金属粉末并将它们逐层熔合在一起。然而，微观结构以及印刷金属的质量取决于几个因素。这些包括激光的速度和强度，在添加下一层之前分配的冷却时间，以及所用金属粉末的类型和品牌。

该团队没有使用旨在从获得的光学信号中测量晶体取向的复杂程序，而是使用神经网络，为其提供数百张光学图像以供学习。最终，它学会了根据光从金属表面散射的方式的差异，从图像中预测金属中晶体的方向。

然后，他们测试了该方法是否能够创建完整的“晶体取向图”，该图提供了有关晶体形状、尺寸和原子晶格取向的全面信息。

该团队目前正在与南大的创新和企业公司 NTUitive 进行讨论，以探索成立衍生公司或许可其专利的可能性。