美国橡树岭国家实验室（ORNL）开发的Peregrine软件，用于监控和分析粉末机床增材制造（Powder Bed Additive Manufacturing, AM）零件的生产过程，现已发布迄今为止最先进的数据集。
作为支持美国增材制造产业的一部分，能源部制造示范设施（Manufacturing Demonstration Facility, MDF）制作了这一新数据集，旨在建立制造异常、内部缺陷与最终机械性能之间的紧密关联。
该数据集涵盖了激光粉末床熔融（Laser Powder Bed Fusion, L-PBF）过程的先进监测数据。L-PBF通过激光熔融金属粉末，逐层构建金属零件。数据集内容包括设备工艺参数、传感器数据、几何信息，以及从多角度、多光照条件拍摄的高分辨率可见光与近红外图像，并结合打印零件的X射线扫描结果，实现全面的数据融合。
ORNL制造系统分析组研究员Luke Scime表示：“Peregrine在打印过程中拍摄图像，利用AI检测异常。每一层都会进行分析，从而构建可能存在位置问题的三维地图，并尝试预测哪些问题会影响最终零件性能。”
Peregrine软件的自定义算法通过像素值分析图像边缘、线条、角落和纹理组成，并在发现问题时向操作员发出警报，使其能够及时调整打印过程。
通过动态多标签分割卷积神经网络（Dynamic Multilabel Segmentation Convolutional Neural Network, DMSCNN），Peregrine综合多传感器数据检测异常。例如，L-PBF打印过程中可能出现飞溅现象，即激光熔融金属粉末时喷射出熔融材料，这些飞溅颗粒可能落到零件其他位置，影响整体质量。新数据集包含所有DMSCNN分割结果，以及经过疲劳测试、受飞溅扰动影响的样件。
这一全面的数据集合为人工智能模型开发提供支持，可用于增材制造过程的数字化验证。借助改进后的开源Peregrine数据集，研究人员和制造商能够开发更智能、适应性更强的质量保证与质量控制系统，用于3D打印零件的检测与优化。
参与该数据集开发的ORNL研究人员还包括Zackary Snow、Chase Joslin、William Halsey、Andres Marquez Rossy、Amir Ziabari、Vincent Paquit和Ryan Dehoff。该数据集标题为《激光粉末床熔融增材制造过程中的原位可见光与热成像数据，并与X射线CT及疲劳数据共注册》。
更多信息请访问：www.ornl.gov
