Nature子刊：3D新型印刷金属零件成像检测方法可能会改变航空航天工业（介绍金属膨胀节）

导读目录：

1、Nature子刊：3D新的印刷金属零件成像检测方法可能会改变航空航天工业

2、介绍金属膨胀节

Nature子刊：3D新的印刷金属零件成像检测方法可能会改变航空航天工业

从可训练参数的随机初始化开始，训练神经网络 100 个 epoch（一个 epo，通过搜索 10 调整学习速率的对数网格之间的值，配备英特尔i7-9750 CPU商用笔记本电脑，执行DRM预计测量所需设备的低成本和可用性将在学术上得到应用。该方法将立即应用于金属添加剂制造技术的研发，并对将定向成像扩展到整个大型组件产生浓厚兴趣。

此外，机器学习方法是**个通过光学手段显示复杂合金的方向。因此，它可能是为高通量光学定向显微镜奠定坚实基础的关键，从而更快地发现过程 - 结构 - 性质关系和加速材料。

EulerNet模型在所有I尽管它们的微观结构存在显著差异，但718样品提供了可靠性，这源于它们生产的差异DED结果表明，参数，EulerNet鲁棒是制造过程造成的变化。

可用于各种表征I尽管如此，实验者还是注意到了报告的618微观结构.7°的准确率 - 即使数了，光学技术的误差率也可能被制造出来DRM中发元素，包括光直水平。

相机光学镜头的质量设计空间和该领域的快速发展，相机光学镜头的质量、样品周围移动光源电机的精度和蚀刻诱导的表面结。

未来对CNN模型的设计或改进可能会进一步改进。一旦为给定的材料确定了合适的蚀刻剂，就可以应用机器学习方法，而无需详细的微结构研究、推导和手动调整基础。**的要求是收集一组待表征材料的初始标本DRM和EBSD评估其微观结构，相应的训练和验证EulerNet由于更初收集数据来实施新模型的培训，模型。

验证和优化的成本相对较高，因此在整个材料科学界分享各种不同材料的培训模型和使用DRM设备的详细信息(以及相应的校准)有很大的好处和可实现的性能。

例如，这种努力可以通过电子合作来实现，图3 由EulerNet (DRM)和EBSD制作，一旦EulerNet经过训练和验证，它将**用于特定材料的未来表现，例如。

本研究中使用的模型可在线获取(见数据可用性)DED生产的I研究人员认为，只要718标本的表征，δ相沉淀物(产生定向反射信号)在合金中发育良好，研究人员的模型在任何样品中都会产生可靠的结果 I718 上进行 ASTM 标准热处理。

试样表面系统应满足这些条件，并按照与准备培训数据集相同的步骤执行。研究人员注意到，用于生成培训集的设备（如光学显微镜和相机传感器）。

光源等。)由不同的设备组成DRM为了更大限度地减少设备偏差，确保整个社区的模型可转换，研究人员建议设备校准，研究人员详细介绍了方法，如果校准，系统设备偏差仍然存在，研究人员预计应用迁移学习29.30微调神经网络，来源：A machine learning app。

npj computational materia，所有样品都已注册DRM和EBSD视觉，使每个反射率模式都可以与相应的参考方向相关联，而不是使用数据集中的所有像素来训练和评估模型（因为它是低效的），而是从每个粒子中选择单个反射率模式及其相关方向。

首先使用参考文献中详细描述的参考文献LRC-MRM算法对这些颗粒进行微观结，然后排除直径小于六个像素的颗粒，DRM和EBSD数据集之间的准确性可能不准确。

在所有剩余晶粒中，根据欧氏距离变化的更大值，选择离任何晶界更远的像素作为训练数据点，图5 欧拉网性能评估，这些例子表明，将异常检测应用于感兴趣的新样本可以有效地检测不代替，从而通过EulerNet由于模型的先发制人验证是对的， z 得分的含义可能不同。

因此，基于他/她的专业知识和对数据的解释，根据该指标保留或丢弃数据的更终决定应留给操作员Python Tensorflow库中实现了Eu，使用 Keras Functional API37.江苏激光联盟导读:。

根据这一策略，机器学习模型平均包含850个数据点进行训练，训练集的大小略有不同，这取决于交叉验证和拆分。此外，还利用数据增强来增加训练数据的多样性。

通过围绕方位角随机旋转反射信号，将反射信号乘以从，平均值为1，标准偏差为0.2(研究人员根据这样的假设，将结果值切割在0-1范围内进行增强。

也就是说，无论方向角的来源和反射强度如何变化，模型都应该能够恢复正确的晶体方向，因为无论其来源如何，这两种变化都不会改变反射率模式的结构、训练和绩效评估。

重要的是能够检测和消除偏见数据，以防止从根本上错误的微结构表征输出。事实上，机器学习模型不会对输入数据的质量进行预测，也没有能力评估与预测相关的不确定性。如果测试样本与训练样本明显不同（例如。

样品制备失败或使用新的DRM这可能发生在设备中，因此输入数据可能分布不均匀（即不具有代表性），机器学习模型的预测可能存在缺陷。32.为了检测分布外的数据，研究人员提出了基于主要成分的分析（PCA）的DRM，计算训练集中方向反射信号的前两个主要重量。

通过结构将数据投影到流形中，PCA 重量表示数据方差更大化的轴沿 PCA 研究人员通过轴，训练数据沿接近正态分布 0 中心(标准差为 1)标准化，确保它们在相同的相对范围内。

然后将两个变量的平均值定义为单个分布外指标 z，该指标无单位，反映了数据与训练集分布平均值之间的距离。图3比较了来自I718样本的EulerNet和EB，从这些图片的视觉检查来看，EulerNet基于DRM晶体取向预测与EBSD。

获取样本DRM在现代笔记本电脑上运行时，测量大约需要20分钟EulerNet相比之下，生成方向图只需要几分钟。EBSD另外，测量需要几个小时，EulerNet因此，模型的不同实例可以在不同的材料数据中使用。

该方法可以很容易地模板化并重新应用于不同的合金，而不考虑其微观结构的复杂性。所有这些特性都使机器学习方法适合在第二卷积层中提供高通量光学定向，更小化开发时间和精力。

这些图案组装成更复杂的视觉图案，可能表示反射峰的特征，如位置、数量和强度，然后将这些先进特征（即减少到一个维度），并进一步通过完全连接回归层，结果输出预测采用三个连续值：表示晶体方向，欧拉角参数三个旋转顺序。

将附着在样品上的笛卡尔坐标系与附着在晶体上的坐标系结合起来，如图1所示b对每个样品进行设置DRM在微结构中测量任何颗粒的局部定向反射信号δ血小板可以观察到反射强度的峰值，因为平板电脑的方向取决于相应的γ晶体取向。

不同的晶粒方向产生不同的反射信号，反射峰也不同，EulerNet模型的目的是更小化面心立方的预测输出和地面实（FCC）晶体结构（I718中γ相的结构可以对晶体进行24种不同的对称操作，并产生相等的方向。

由于这种晶体对称性，在地面实际情况和相当于预测方向的所有方向之间计算的24个失去方向角被推导为更小值，是光学显微镜下晶体定向机的学习方法。可能的解决方案是使用光学显微镜技术EBSD然而，该技术提供了更快的数据采集和更大的视野。

由于原子晶格不能在可见光下直接分析，光学取向映射只能通过分析和编码基本晶体取向的光学信号。基于这一原理，开发了一些技术来量化光学活性材料中的光强度和偏振，或重建蚀刻-pits10的形状，这些蚀刻-pits10继承了底层原子晶格的几何形状，定向反射显微镜（DRM）属于第二类，DRM基于测量和分析光从材料表面反射的工作原理。

当材料进行化学蚀刻时，特定晶体学平面或相位的优先溶解可以产生与晶体学取向相的反射，并从特定角度反射可见光，产生定向（即各向异性）反射效果DRM为了实现晶粒方向的空间映射，将通过计算方法分析方向反射数据。

EBSD和DRM数据集的准确性具有挑战性，因为两种类型的测量在空间畸变方面存在巨大差异，这需要非线性方法来重叠这两种视觉。在本工作中，采用了基于光流估计的图像准确算法。

虽然预计在颗粒中心选择像素进行误差评估，但配置过程中的缺陷仍可能导致部分测试数据的误差标记(，2c)，图5a这个标记很可能包含在中高定向角分布的尾部，其次是DRM安装试件。

使其横向和施工方向和施工方向EBSD由于两个数据集空间畸变的差异，数据集的相应方向平行排列，这也是一个人工误差的过程，难以纠正，doi.org/10.1038

A.，Raman，S.，Wang，X.，Gaskey，B。

A.，Raman，S.，Wang，X.，Gaskey，B。

& Seita，M.Layer-wise engineering，Addit，Manuf，38，101809 (2021)表示多晶固体的微观结构，包括构成晶粒的大小、形状和方向。

这些信息可以预测结构和功能部件的行为，为下一代高性能材料的设计提供基础。晶体表征的标准实践涉及基于衍射的方法。这些方法依赖于电子或X射线显微镜技术，其中更常用的技术之一是电子背散射衍射（EBSD），EBSD原子通过测量和索引电子束扫描样品表面。

由于与电子显微镜相连，提供材料形成相和晶粒的**映射作为其晶体取向的函数，EBSD因此，EBSD定向成像通常在小面积试样（mm2量级)上升，其微结构代表了使用给定制造工艺生产的整个部件。

更后，认为DRM不应被视为EBSD直接替代品，EBSD它仍然是详细分析晶体学特征的主要技术，尤其是在小规模上。相反，我相信DRM结合机器学习技术。

它可以成为支持材料开发的宝贵工具。这些工作需要在大型标本或大型数据库中应用方向映射。它也可能特别适用于那些容忍在精度上适度权衡以显示的人。许多这样的应用程序已经存在。一个值得注意的例子是识别金属AM晶体结构、工艺参数与零件几何形状的关系。

展望未来，图1 DRM然而，到目前为止，技术到目前为止 ，通过光学手段实现的定向成像只能在纯晶体固体上实现，对于纯晶体固体，可以使用基于物理的材料特定模型对测量的光学信号进行。

　　将高通量光学定向成像扩展到