Mejorando la fidelidad de impresión 3D de la fotopolimerización en vat con predicción de límites orientada por aprendizaje automático

Al igual que muchas técnicas de fabricación aditiva (AM) basadas en píxeles, la fotopolimerización en vat basada en procesamiento de luz digital (DLP) enfrenta el desafío de que la estrategia de procesamiento basada en píxeles cuadrados puede llevar a bordes en zigzag, especialmente cuando los tamaños de las características se acercan a niveles de un solo píxel. Introducir píxeles en escala de grises ha sido una estrategia para suavizar dichos bordes, pero es una tarea difícil entender cuál de las muchas permutaciones de píxeles proyectados ofrecería el rendimiento óptimo de impresión 3D. Para abordar este desafío, se propone una nueva estrategia de adquisición de datos basada en principios de aprendizaje automático (ML), y se implementa una rutina de entrenamiento para reproducir la forma más pequeña de un objeto impreso en 3D previsto. A través de este enfoque, se desarrolla una estrategia de patrones de tablero de ajedrez junto con un flujo de trabajo automatizado de refinamiento y aumento de datos, demostrando su eficiencia y efectividad al reducir la desviación en alrededor del 30%.