南洋理工大學的研究人員開發了一種快速、低成本的成像方法，可以分析3D打印金屬零件的結構，以評估材料的質量。該系統使用一臺光學相機、一個光源和一臺運行該團隊開發的專有機器學習軟件的筆記本電腦。

大多數3D打印金屬合金由各種微觀晶體組成，這些晶體在形狀、大小和原子晶格方向上都不同。將這些信息映射出來，就可以推斷出合金的性能，比如強度和韌性。為了分析這種微觀結構，通常使用掃描電子顯微鏡，這是一個昂貴且耗時的過程。

另一方面，團隊方法中涉及的硬件成本不到2萬美元。該方法首先用化學物質處理金屬表面，以揭示微觀結構，然后將樣品面向相機放置，相機在光源從不同方向照亮金屬時拍攝多幅圖像。

然后，該軟件分析光從不同金屬晶體表面反射產生的圖案，然后推斷出它們的方向。整個過程大約需要15分鐘。

研究人員說：“使用我們廉價且快速的成像方法，我們可以很容易地區分好的3D打印金屬零件和有缺陷的零件。目前，除非我們詳細評估材料的微觀結構，否則無法區分它們。”

沒有兩個3D打印的金屬零件是平等的，即使它們可能是使用相同的技術生產的，并且具有相同的幾何結構。從概念上講，這類似于兩個完全相同的木制工藝品可能各自具有不同的紋理結構。

研究人員認為，該團隊的成像方法有可能簡化3D打印或添加制造生產的金屬合金零件的認證和質量評估。

3D打印金屬零件最常用的技術之一是使用高功率激光熔化金屬粉末，并將其逐層熔合在一起。然而，微觀結構以及印刷金屬的質量取決于幾個因素，其中包括激光的速度和強度，在添加下一層之前冷卻的時間，以及使用的金屬粉末的類型和品牌。

該團隊沒有使用一個復雜的程序來根據采集到的光學信號測量晶體方向，而是使用了一個神經網絡，為其提供數百張光學圖像以供學習。最終，它學會了根據光如何從金屬表面散射的差異，從圖像中預測金屬中晶體的方向。

然后，他們測試了該方法，以創建一個完整的“晶體方向圖”，該圖提供了有關晶體形狀、大小和原子晶格方向的全面信息。

該團隊目前正在與NTU的創新和企業公司NTUitive進行討論，以探索成立一家分拆公司或許可其專利的可能性。