결함 탐지를 위한 딥 러닝 기반 이미지 분할: 개요

요약 적층 제조(AM) 응용 프로그램은 여러 분야에서 빠르게 확장되고 있으며, 프로토타입 목적에 국한되지 않습니다. 그러나 의료, 항공 우주 및 자동차 응용 프로그램에서 결함 없는 부품을 달성하는 것은 이러한 산업에서 AM을 광범위하게 채택하는 데 중요합니다. AM은 여러 상호 의존적인 요소로 구성된 복잡한 프로세스이기 때문에, AM 프로세스 물리학과 부품 품질을 연관시키기 위해 딥 러닝(DL) 접근법이 널리 채택되고 있습니다. 일반적으로 AM 프로세스에서 컴퓨터 비전 기반 DL은 카메라 시스템을 통해 기계의 센서 데이터와 층별 이미지를 추출하여 수행됩니다. 이 논문에서는 오류 없는 부품을 달성하기 위해 AM 프로세스에서 보고된 컴퓨터 비전 지원 패치 기반 결함 위치 지정 및 픽셀 기반 분할 방법에 대한 개요를 제공합니다. 특히, 이러한 딥 러닝 방법은 인 상황 프로세스 중 다공성, 용융 풀 지역 및 스패터링과 같은 결함을 각 층에서 위치 지정하고 분할합니다. 더 나아가, 이러한 결함에 대한 지식은 실시간 피드백을 통해 최적의 프로세스 매개변수와 부품 품질을 미세 조정하는 데 대한 깊은 이해를 제공할 수 있습니다. 결함을 식별하기 위한 DL 아키텍처 외에도, 닫힌 루프 피드백 시스템에서 AM 프로세스 변수를 조정하기 위해 확장된 DL의 응용 프로그램에 대해 보고합니다. 결함 완화를 위한 AM에서 닫힌 루프 시스템을 배치하는 여러 연구가 있었지만, 상호 의존적인 프로세스 매개변수와 하드웨어 제약 간의 관계로 인해 특정한 도전 과제가 존재합니다. 우리는 개선된 성능을 위한 고급 분할 알고리즘, 비전 변환기, 데이터 다양성 및 예측 피드백 접근법을 포함해 이러한 도전 과제를 완화할 수 있는 잠재적인 기회를 논의합니다.