AI-model bereikt hoge nauwkeurigheid bij het identificeren van de bron van 3D-geprinte onderdelen

Onderzoekers van de Universiteit van Illinois hebben aangetoond dat elke industriële 3D-printer een subtiel, machinespecifiek oppervlaktepatroon achterlaat. Een convolutioneel netwerk dat op deze patronen is getraind, kan met bijna perfecte nauwkeurigheid vertellen welke printer een onderdeel heeft gemaakt.

Het team produceerde 9.192 onderdelen op 21 commerciële machines voor vier additieve fabricageprocessen: digitale lichtsynthese, multi-jet fusie, stereolithografie en fused-deposition modeling. Elk onderdeel werd gescand op een flatbed documentscanner met 5,3 µm per pixel, waardoor een beeldbibliotheek met hoge resolutie ontstond voor het trainen en testen van modellen.

Met behulp van een EfficientNet-V2-architectuur en een stemschema over meerdere willekeurige beeldgewassen, identificeerde het model de bronprinter voor ongeziene onderdelen met 98,5 procent nauwkeurigheid. Het herkende ook het fabricageproces en materiaal met een nauwkeurigheid tot 100 procent en leidde zelfs de positie van de bouwplaat van onderdelen met digitale lichtsynthese tot op ongeveer 5 cm nauwkeurig af.

Het onderzoek bracht in kaart hoe de nauwkeurigheid afhangt van de beeldresolutie en de grootte van de uitsnede. Voor processen zoals digitale lichtsynthese volstond een uitsnede van 200 µm in het vierkant; voor onderdelen van gesmolten depositie waren grotere gebieden nodig (≈3 mm), maar deze konden een lagere resolutie verdragen, waardoor de methode compatibel is met standaardcamera's en scanners.

Naast basisclassificatie biedt de aanpak een praktisch hulpmiddel voor toezicht op de toeleveringsketen. Het kan bevestigen dat een aannemer de overeengekomen machine heeft gebruikt, ongemelde proceswijzigingen markeren en helpen bij het opsporen van defecte of nagemaakte onderdelen zonder ingebedde labels of medewerking van de leverancier.