无监督学习支持的脉冲红外热显微镜检测不钢的地下缺陷
Xin Zhang1,2, Tianyang Fang1,2, Jafar Saniie2
1Nuclear Science and Engineering Division, Argonne National Laboratory, Lemont, IL, 60439, USA.
Scientific reports
|June 27, 2024
概括
这项研究增强了脉冲红外热学 (PIT) 用于检测激光粉床融合 (LPBF) 金属中的微观缺陷. 无监督学习 (UL) 处理PIT图像成功识别了微小到101微米的地下缺陷,改善了AM金属的质量控制.
科学领域:
- 材料科学 材料科学 材料科学
- 非破坏性的评价
- 增材制造 增材制造 增材制造
背景情况:
- 激光粉床融合 (LPBF) 增材制造 (AM) 往往导致金属结构中的微观孔隙缺陷 (1-100微米).
- 这些缺陷可能会损害结构完整性,需要可靠的评估方法.
- 脉冲红外热学 (PIT) 是一种非接触式,单面的非破坏性评估 (NDE) 技术,用于成像内部缺陷,但在分辨率和灵敏度方面存在局限性.
研究的目的:
- 提高脉冲红外热学 (PIT) 的成像能力,用于检测高强度不钢316的地下缺陷.
- 展示无监督学习 (UL) 算法的应用,以改善AM金属的缺陷可视化和表征.
- 使用PIT建立一个可检测的最小地下缺陷大小的新基准.
主要方法:
- 利用无监督学习 (UL) 采用基于时空分离的聚类细分 (STSCS) 算法来处理PIT热图.
- 应用波波分解用于空间降噪,然后进行主要组件分析 (PCA) 和独立组件分析 (ICA) 进行时间压缩.
- 采用K-means集群用于缺陷细分和形态图像处理,以提高缺陷的可见性.
- 使用电放电加工 (EDM) 校准的平底孔缺陷 (76-203μm) 制造的金属标本.
主要成果:
- 该STSCS算法成功处理了原始PIT图像,最初没有显示任何可见缺陷.
- 在STSCS处理后,直径仅为101微米的缺陷被清楚地揭示出来.
- 这代表了使用金属材料中的PIT检测到的最小报告的地下缺陷大小.
- 增强的PIT方法在标准热图分析中显示出显著的改进.
结论:
- 无监督学习显著提高了脉冲红外热学 (PIT) 检测增材制造金属微观地表缺陷的能力.
- 开发的STSCS算法与形态处理相结合,使PIT显微镜能够用于高分辨率的缺陷成像.
- 这一进步对于质量控制和确保LPBF打印的高强度金属组件的结构完整性至关重要.
