通過增材制造生產的先進金屬部件可以凸顯人工智能增強缺陷檢測等尖端技術的潛力，以確保其可靠性。(圖片：Shutterstock/MarinaGrigorivna)

阿貢國家實驗室的科學家們在增材制造(包括3D打印)不銹鋼部件的微觀缺陷檢測方面取得了突破。他們結合人工智能(AI)與脈沖紅外熱成像(PIT)技術，能夠在部件投入使用前精準識別出微小的內部缺陷，這些缺陷通常比人的頭發還小，但會嚴重影響材料的強度，特別是在核反應堆等惡劣環境下。

在這項發表于《自然科學報告》的研究中，科學家們介紹了一種新方法，利用PIT技術快速加熱金屬表面，并通過紅外攝像機測量熱量擴散過程中的溫度變化。內部缺陷會改變材料的熱物理行為，影響熱量的順利通過。然而，傳統的圖像識別方法難以準確捕捉這些細微特征，因為圖像可能受到熱噪聲的扭曲和熱擴散的模糊影響。

為了克服這一挑戰，研究人員開發了一種AI算法來處理PIT獲得的熱圖像。該算法能夠濾除噪音并增強缺陷的可見性，成功檢測到直徑小至100微米的缺陷，比以前的方法有了顯著提高。首席研究員Alexander Heifetz表示，這一新方法在確保核應用結構材料完整性方面邁出了令人興奮的一步。

增材制造技術在生產極端環境下使用的部件方面越來越受歡迎，但這些部件的長期強度和可靠性取決于缺陷的檢測和預防。傳統的無損缺陷檢測技術難以識別復雜形狀的3D打印結構中的細小表面下缺陷。相比之下，通過AI增強的PIT提供了一種可擴展到任意形狀和尺寸的非接觸式解決方案，使制造商能夠在不損壞部件的情況下檢查其完整性。

這種新方法對于能源和航空航天等行業具有特別的價值，因為這些行業必須在惡劣條件下保證材料的性能。及早發現缺陷可以防止代價高昂的故障并延長關鍵部件的使用壽命。

研究人員目前正在努力改進技術，提高PIT的靈敏度并優化AI算法以檢測更小的缺陷。他們還計劃將該技術擴展到其他材料和制造工藝。阿貢國家實驗室博士后研究員張欣表示，這一突破表明AI有潛力解決復雜的無損評估和材料科學難題，正在開啟新的可能性，以確保在最苛刻的環境中使用的材料的安全性和質量。