橡树岭国家实验室（ORNL）的Peregrine软件通过实时捕捉激光扫描、熔池影像、飞溅颗粒等过程数据并数字化，构建“缺陷-性能”关联地图，实现零件质量在打印过程中的实时自证合规。其发布的全新数据集，正推动增材制造质量控制从“经验依赖”向“数据驱动”转型——未来行业竞争的核心将从设备硬件转向数据与算法的协同。这也让所有增材制造企业不得不思考：质量控制，还能仅靠经验吗？
“ 3D Science Valley 白皮书 图文解析
”
橡树岭国家实验室（ORNL）的Peregrine软件——用于监测和分析粉末床增材制造（L-PBF）所生产零件——已发布其最新的数据集。
l 数据集背景与目标
美国能源部制造示范工厂（MDF）生成了此新数据集，作为一项研究的一部分，旨在建立制造异常、内部缺陷与最终力学性能之间的强相关性。
l 数据集核心内容
该数据集包含激光粉末床熔融（L-PBF）的最先进监测数据，L-PBF技术利用激光熔化并熔合金属粉末以形成金属零件的各层。数据集具体涵盖：
设备工艺参数与传感器数据；
零件几何形状；
3D打印过程的多角度、多光照条件高清图像（整合高分辨率可见光、近红外成像及打印后零件的X射线扫描数据）。
l Peregrine软件的AI监测机制
“Peregrine在打印过程中采集图像，利用人工智能（AI）查找异常。对每一层都执行此操作，从而构建所有可能存在问题位置的三维地图，然后尝试预测其中哪些可能导致最终零件出现问题。”
—ORNL制造系统分析组研究员
Peregrine软件的定制算法通过图像像素值细致分析边缘、线条、拐角和纹理的构成，并在打印过程中向操作员发送问题警报，以便快速调整。其核心技术为动态多标签分割卷积神经网络（DMSCNN），可分析多传感器数据以实现异常检测与警报触发。
l 典型应用：飞溅缺陷监测
L-PBF 3D打印中常见飞溅现象——激光熔化金属粉末时，熔融材料被喷射出，飞溅颗粒可能落在零件其他区域，影响整体质量。新数据集包含：
DMSCNN对飞溅缺陷的分割结果；
经受飞溅诱导缺陷的疲劳测试试样数据。
l 技术价值与应用前景
这一信息集合为增材制造（AM）过程数字化合格鉴定的AI模型开发提供支持。通过使用改进的开源Peregrine数据集，研究人员和制造商可为其金属3D打印零件开发更智能、自适应的质量保证（QA）与质量控制（QC）系统。
正规股票软件app提示：文章来自网络，不代表本站观点。
