重庆研究院3D打印技术研究团队设计了基于同轴高速成像系统来监控整个激光选区熔化成形过程，可有效识别关键工艺现象，为实现全过程质量控制提供新方法。相关工作已在《IEEE Transactions on Industrial Informatics》、《Computers in Industry》、《Materials & Design》等国际著名期刊发表。

首先利用机器视觉技术改进同轴成像光路，搭建了高速影像采集系统来监控成形中的过程现象，解决了长期以来无法清晰观测零件成形全过程的问题。该系统有效避免当前过程监控系统视野受限及成像清晰度差的问题，实现了整个金属3D打印成形过程数据的有效采集（详见研究论文：Prediction of powder bed thickness by spatter detection from coaxial optical images in selective laser melting of 316L stainless steel，Materials & Design）。

在此基础上，采用多尺度和多特征流形学习方法首次证明了当激光粉末床熔合过程中工艺现象特征数量未知时，无法获得预测熔体轨迹成形形貌的全局最优解，进而采用多尺度特征金字塔网络处理长序列高速视频并预测成形形态作为替代方案（详见研究论文：Multi-scale feature pyramid approach for melt track classification in laser powder bed fusion via coaxial high-speed imaging，Computers in Industry）。此外，提出了一种改进的视频理解模型，解决了从金属3D打印过程现象中无法准确识别缺陷特征的问题（详见研究论文：2-D transformer-based approach for process monitoring of metal 3-D printing via coaxial high-speed imaging，IEEE Transactions on Industrial Informatics）。这些结果有助于提高成形工艺的稳定性和可靠性，为实现金属3D打印智能过程监控提供了理论依据和技术手段。

上述工作得到国家自然科学基金、国家重点研发计划项目、中国科学院青年创新促进会资助。

相关论文链接：

https://doi.org/10.1109/TII.2023.3314071

https://doi.org/10.1016/j.compind.2023.103975

https://doi.org/10.1016/j.matdes.2021.110301

图1. 改进的同轴机器视觉系统光路布局原理图及设备实拍图

图2. 提出的多尺度视频理解模型架构图