Model AI osiąga wysoką dokładność w identyfikacji źródła części drukowanych w 3D

Naukowcy z Uniwersytetu Illinois wykazali https://grainger.illinois.edu/news/stories/75700 że każda przemysłowa drukarka 3D pozostawia subtelny, specyficzny dla maszyny wzór powierzchni. Sieć konwolucyjna wyszkolona na tych wzorach może określić, która drukarka wykonała daną część z niemal idealną dokładnością.

Zespół wyprodukował 9 192 części na 21 komercyjnych maszynach obejmujących cztery procesy wytwarzania przyrostowego: cyfrową syntezę światła, syntezę wielostrumieniową, stereolitografię i modelowanie osadzania topionego. Każda część została zeskanowana na płaskim skanerze dokumentów z rozdzielczością 5,3 µm na piksel, tworząc bibliotekę obrazów o wysokiej rozdzielczości do szkolenia i testowania modeli.

Korzystając z architektury EfficientNet-V2 i schematu głosowania na wielu losowych zbiorach obrazów, model zidentyfikował drukarkę źródłową dla niewidocznych części z 98,5-procentową dokładnością. Rozpoznał on również proces produkcyjny i materiał z dokładnością do 100%, a nawet wywnioskował pozycję tacki roboczej części do cyfrowej syntezy światła z dokładnością do około 5 cm (~ 1,97 cala).

Badanie wykazało, jak dokładność zależy od rozdzielczości obrazu i wielkości zbioru. W przypadku procesów takich jak cyfrowa synteza światła wystarczył kadr o powierzchni 200 µm kwadratowych; części osadzane metodą stapiania wymagały większych obszarów (≈3 mm), ale tolerowały niższą rozdzielczość, dzięki czemu metoda była kompatybilna z gotowymi kamerami i skanerami.

Poza podstawową klasyfikacją, podejście to oferuje praktyczne narzędzie do nadzoru łańcucha dostaw. Może potwierdzić, że wykonawca korzystał z uzgodnionej maszyny, oznaczyć niezgłoszone zmiany procesu i pomóc w śledzeniu wadliwych lub podrobionych części bez wbudowanych etykiet lub współpracy ze strony dostawcy.