AI-modell uppnår hög precision vid identifiering av källan till 3D-printade delar

Forskare vid University of Illinois har visat att varje industriell 3D-skrivare lämnar ett subtilt, maskinspecifikt ytmönster. Ett faltningsnätverk som tränas på dessa mönster kan berätta vilken skrivare som gjorde en del med nästan perfekt noggrannhet.

Teamet producerade 9.192 delar på 21 kommersiella maskiner som täcker fyra additiva tillverkningsprocesser: digital ljussyntes, multi-jet fusion, stereolitografi och fused-deposition modeling. Varje del skannades med en dokumentskanner med 5,3 µm per pixel, vilket skapade ett högupplöst bildbibliotek för träning och testning av modeller.

Med hjälp av en EfficientNet-V2-arkitektur och ett röstningsschema över flera slumpmässiga bildutsnitt identifierade modellen källskrivaren för osedda delar med 98,5 procents noggrannhet. Den kände också igen tillverkningsprocessen och materialet med upp till 100 procents noggrannhet och kunde till och med härleda positionen för byggfacket för delar som tillverkats med digital ljussyntes med en noggrannhet på cirka 5 cm.

I studien kartlades hur noggrannheten beror på bildupplösning och skördestorlek. För processer som digital ljussyntes räckte det med en 200 µm kvadratisk beskärning, medan smältdepositionerade delar krävde större områden (≈3 mm) men tolererade lägre upplösning, vilket gjorde metoden kompatibel med vanliga kameror och skannrar.

Utöver grundläggande klassificering erbjuder metoden ett praktiskt verktyg för övervakning av leveranskedjan. Den kan bekräfta att en entreprenör har använt den överenskomna maskinen, flagga för orapporterade processändringar och hjälpa till att spåra defekta eller förfalskade delar utan inbäddade etiketter eller samarbete från leverantören.