使用人工智能验证 3D 打印部件

格兰杰工程学院的一支研究团队开发了一种人工智能模型，可以准确地识别3D打印部件的指纹。该模型会检查人眼无法观察到的关键细节，并将其发现与每个部件的具体细节进行交叉比对。 3D打印机 叶子。

这项发现或将帮助缓解制造、监控和供应链管理方面的困境，有望为企业节省数十亿美元。以下是您需要了解的信息。

供应链验证的挑战

如今产品的复杂性意味着，它们的制造可能需要数千个零部件，而这些零部件来自数百家制造商。遗憾的是，这种情况导致了一些问题，因为确保制造商的质量保持不变已被证明是一项棘手的任务。

在典型的制造协议中，双方会就产品的关键细节达成共识。这些细节可能包括具体的生产工艺、所用材料以及工厂流程。根据零件及其用途，任何变更可能在一段时间内或发生故障之前都不易察觉。

识别零件来源

过去，确保零件来源地的常用方法包括一些非常基础的方法，例如零件标签、追踪器，甚至压入序列号。这些方法很容易被发现，但也很容易被复制、伪造和仿冒。这些问题导致制造商坚持在某些部件上贴上隐蔽的标签。

3D打印及其漏洞

3D打印技术的出现彻底改变了工业流程。这种灵活的制造方式使制造商更容易外包零部件。与此同时，3D打印部件也更容易被篡改和伪造。

在讨论增材制造时，需要管理和监控的因素还有很多，包括原料质量、工艺控制以及所用机器的类型。值得注意的是，这些因素中的任何变化都可能导致零件质量不合格。

传统质量控制方法

制造商竭尽全力尝试完善审核流程。他们可能会进行更多现场访问，并要求提供更多标识以确保产品的原产地。然而，事实证明，这种方法在大规模生产中效果不佳。

过去，人们会请人工专家来帮助确定增材制造部件的来源。然而，这个过程非常耗时。此外，制造商通常直到生产后期才意识到问题的存在，因此很难确定究竟是哪个部件被改动了，以及改动是如何发生的。

AI指纹识别研究概述

该研究¹ “利用深度学习从照片中识别增材制造来源发表在《自然》杂志合作期刊《先进制造》上的一项研究介绍了一种人工智能模型，该模型有望在未来几年内帮助解决许多此类问题。该系统能够通过分析AP部件的层纹理图像来验证其质量和真实性。

制造指纹

每台 3D 打印机都有其独特之处，这些独特之处赋予了它可被传感器和 AI 系统识别的“指纹”。零件尺寸公差、工艺设置和所用材料等关键细节与每台机器息息相关。

资源 - 先进制造业

AI指纹识别的工作原理

指纹识别系统的工作原理假设您已获得制造商的合作，但这并非强制要求。第一步是收集理想产品的样品进行比较。您需要提供具体细节，包括机器的品牌和型号、制造工艺以及生产过程中使用的材料。之后，AI系统将处理剩下的工作。

深度学习架构与模型设计

该人工智能模型可以从部件的高分辨率图像中识别出3D打印机的指纹。然后，它会使用图像缩小、随机采样和投票方案来获取图像的细节，例如表面纹理。之后，图像会被缩小，以便每个模型能够容纳更多图像。

工程师们考察了几种不同的AI结构，最终确定EfficientNetV2为最佳方案。测试表明，该AI模型实现了高精度，并且在训练时间方面排名最快。工程师们将这一优异性能归功于更少的参数输入以及模型的层级设计。

使用 9,000 多张部件图像训练模型

为了训练人工智能，该团队构建了一个包含 9,192 个零件照片的数据集。这些零件来自 6 家不同的制造商，由 21 台机器使用四种不同的制造工艺制造而成。每个零件都经过打印，然后使用高分辨率的 Epson Perfection V39 进行扫描。

扫描分辨率为 4800 dpi，每个部件都经过多次扫描，以包含扫描序列号。生成的 5.3 μm 像素图像随后以每批 21 张照片为一组进行扫描，并将其路径位置发送到随机器。这种方法有助于缩短数据收集输入时间。

测试指纹识别方法

为了验证他们的理论，工程师们使用 21 台不同的机器，通过四种不同的制造工艺，制造了一组不同的零件。在测试阶段，AI 模型从每幅零件图像中随机采样一个 448 × 448 像素的感兴趣区域 (ROI)。

指纹识别准确度结果

人工智能证明了其强大的能力，在98个零件上达到了1050%的准确率。该模型识别了零件的所有关键指标，包括制造工艺、材料以及零件在机器中的打印位置。结果表明，只需10个零件即可确保打印机留下指纹。

为什么这对行业如此重要

这种方法将为市场带来诸多益处。首先，它有助于防止质量损失，并帮助制造商确定故障根源。对于像客机这样的先进关键系统来说，这种方法甚至可能关乎生死。

及早发现故障部件

该AI模型还能帮助在3D打印组件安装前发现其存在的问题。这种方法将节省制造商的成本，并降低因错误部件缺陷而可能产生的安全风险。此外，与使用人类专家相比，这种方法还具有可扩展性。

可扩展性和模型适应性

人工智能模型可以随着时间的推移进行学习和调整。这意味着系统可以确定可识别的特征，从而预测其他制造属性。这些特征包括用于打印组件的工艺、材料和机器。

工业、供应链和法医中的应用

这项技术在现实世界中有着诸多应用，从供应商管理到质量控制，甚至执法部门。能够确定3D打印部件的来源将带来翻天覆地的变化，甚至可能有助于挽救生命。以下是其主要应用和发展历程。

工业

工业领域将立即发现这项技术的应用前景。它对于解决根本问题至关重要。未来，制造商可以利用基于图像的来源识别来监控增材制造部件的质量和真实性，从而确保在3D打印时代数据质量控制依然有效。

供应链

同样的优势使该系统成为供应链管理的理想选择。大型供应链中拥有数千家合同制造商。该人工智能系统将帮助企业监控和管理来自不同地点、不同时间的单个产品。该系统的可扩展性将使未来的制造商能够在安装或发生故障之前预先验证零件是否正确。

调查

这项技术的另一个应用领域是确定非法商品的来源。得益于这项技术，从假冒零部件到3D打印枪支，所有商品的监控现在都变得更容易了。过去，像幽灵枪这样的问题曾让政客们束手无策。未来，这项技术将帮助执法部门将更多嫌疑人绳之以法，同时帮助遏制全球范围内3D打印枪支的流通。

3D打印部件时间线的指纹

这项人工智能指纹识别技术有望在未来1-3年内投入使用。人们对这种人工智能模型带来的优势有着强烈的需求，而且它可以轻松地适应并集成到供应链和制造链中。这些因素有助于挽救生命并节省企业成本。

3D打印部件研究人员的指纹

这项研究由格兰杰工程学院的研究人员撰写。具体来说，它列出了比尔·金、迈尔斯·比姆罗斯、戴维斯·麦格雷戈、查理·伍德和萨迈赫·陶菲克作为这项工作的贡献者。现在，该团队将寻求扩展他们的模型，以纳入更多的3D打印机和制造商。

投资3D打印领域

许多增材制造领域的公司都能从这项研究中受益。投资者见证了3D打印公司从原型设计到打造整个社区的转变。因此，3D打印技术的应用正在兴起也就不足为奇了。以下是一家持续展现先锋精神的公司。

卡彭特科技公司

卡彭特科技公司 (CRS +0.46% ) 1889年，卡彭特公司在宾夕法尼亚州雷丁市进入市场。该公司由詹姆斯·亨利·卡彭特和几位投资者创立，旨在生产特种零部件。

令人印象深刻的是，卡彭特科技公司始终保持着开拓进取的精神，甚至参与了美西战争中第一批穿甲弹的研制。从那时起，卡彭特科技公司就以耐用性而闻名，甚至在1903年莱特兄弟首次试飞时，其飞机引擎也使用了卡彭特科技公司的材料。

1917年，该公司将高强度钢推向市场，这又是一个重大发现。这种防腐替代品对航空领域的创新至关重要。如今，该公司提供种类繁多的产品，包括特种钢、合金和用于3D打印应用的粉末。

Carpenter Tech 的粉末材料是复杂切割、成型和钻孔工艺的关键组成部分，其合金广泛应用于交通运输、国防、航空航天、能源、工业、医疗和消费电子等多个行业。所有这些因素使 CRS 成为您产品组合的有力补充。

最新的 Carpenter Technology Corp. 股票新闻和动态

更多责任 → 人工智能质量控制的未来

当你在新闻中看到飞机部件故障或其他危及生命的事件报道时，很容易理解为什么确定故障部件的来源对于公共安全至关重要。这种新方法有助于降低成本，并为大规模应用打开大门。

未来，质量控制将涵盖产品的每个组件，从安装到故障前都包含在内。因此，这些工程师值得致敬，因为他们的努力能够挽救生命，节省成本。

了解人工智能的突破 点击这里.

参考研究：

^{1.Bimrose, MV、McGregor, DJ、Wood, C.、Tawfick, S. 和 King, WP (2025)。 利用深度学习从照片中识别增材制造来源. npj 先进制造，2（20）。 https://doi.org/10.1038/s44334-025-00031-2}