粉末床缺陷检测模型

不确定性驱动，结果可信

一种不确定性驱动的可信缺陷检测模型，通过超分辨率模块和集成学习，可对高分辨率粉末床图像进行可靠的缺陷检测，为选择性激光熔化过程提供可信的质量监测。

赵志斌 · Weilin, Liu · Ren, Jiaxin · 王晨溪 · Yixuan, He · Xingwu, Zhang · Xuefeng, Chen

Journal of Manufacturing Systems 2024

技术优势

检测结果可信

模型通过集成学习和温度标定给出校准后的不确定性估计，能识别低置信度预测，避免盲目相信错误结果。

专门优化高分辨率缺陷

引入基于ISDNet的超分辨率模块细化上采样过程，充分利用高分辨率粉末床图像中的细节信息，提升缺陷检测性能。

弱点区域也能提升

针对不确定性高的区域，设计不确定性驱动的模型改进方法，进一步提升这些区域上的缺陷检测性能。

应用场景

• 增材制造质量监控：在SLM过程中实时监测铺粉质量，提前发现并隔离缺陷区域，保证成形质量。
• 工业视觉检测：替代人工目检，自动识别高分辨率工业图像中的细微缺陷，减少漏检。
• AI视觉系统：为AI视觉系统引入不确定性估计，使模型拒绝不可靠预测，提升决策稳健性。