增强的Chroma-YOLO框架用于有效检测缺陷和预测3D打印多乳酸疲劳寿命
Liang Wang1, Zhibing Liu1, Ting Lv2
1School of Mechanical Engineering, Beijing Institute of Technology, No.5 Zhongguancun South Street, Haidian District, Beijing 100081, China.
Materials (Basel, Switzerland)
|November 27, 2025
概括
这项研究介绍了Chroma-YOLO,这是一个先进的AI模型,用于检测3D打印的聚乳酸 (PLA) 中的内部缺陷. 该框架准确地预测了材料疲劳寿命,改进了传统方法.
科学领域:
- 材料科学 材料科学 材料科学
- 增材制造 增材制造 增材制造
- 人工智能的人工智能
背景情况:
- 在3D打印的多乳酸 (PLA) 中,内部缺陷很常见,影响材料特性.
- 检测这些缺陷并预测它们对疲劳寿命的影响仍然具有挑战性.
研究的目的:
- 开发一个综合框架,用于检测PLA3D打印的内部缺陷.
- 建立一个模型,将缺陷检测与精确的疲劳寿命预测联系起来.
主要方法:
- 一个改进的YOLOv11n模型 (Chroma-YOLO) 集成HSV缺陷提取模块.
- 一个随机森林预测模型与HSV缺陷检测相结合,用于疲劳寿命分析.
主要成果:
- 与基线YOLOv11n.相比,Chroma-YOLO显示了mAP50 (6.9%) 和mAP50-95 (7.3%) 的显著改善.
- 随机森林模型在预测PLA疲劳寿命方面取得了很高的准确性 (96.25%的测试,99.09%的验证).
结论:
- 克罗玛-YOLO框架有效地提高了在3D打印PLA中的缺陷检测和定位.
- 这种综合方法提供了一种可靠的方法来预测材料疲劳寿命,其性能优于传统技术.


