深度子域自适应孔隙监测网络

跨工况免重训

一种基于子域对齐的迁移学习监测网络，能利用历史工况知识，在数据稀缺的新工况下快速实现熔池孔隙率监测。

Fenglei, Zheng · Ke, Peng · Zhu, Yangyang · Bai, Qingsong · Wang, Zongping · 谢罗峰 · 殷鸣

Additive Manufacturing 2025

技术优势

免重训即用

利用源域历史数据训练好的模型，通过DSAS对齐目标域特征，即可在新工况下监测孔隙，无需为目标域重新收集大量标注数据。

跨工况仍有效

DSAS将不同工况的样本投影到基于孔隙水平的子域，通过LMMD对齐各子域特征，缓解了工况变化导致的数据分布差异，实现跨工况监测。

减少标注成本

在数据稀缺场景下，DSAS利用相关实验的历史知识，显著提升模型开发效率并降低成本。

应用场景

• 增材制造在线质量监控：在LMD过程中实时监测孔隙缺陷，替代离线检测，及时反馈质量异常。
• 激光增材制造缺陷监测：针对LMD工艺中的孔隙缺陷，利用传感器数据与迁移学习实现跨工况缺陷识别。
• 工业过程智能监测：将深度学习监测模型快速适配到新工艺条件，减少工业落地的数据收集成本。
• 传感数据分析与预测：融合熔池传感信号与子域自适应算法，提升孔隙水平分类的准确性。