近日，阿貢國家實驗室的研究人員在《自然科學報告》上發表了一項最新研究成果，介紹了一種利用人工智能(AI)和脈沖紅外熱成像(PIT)技術識別增材制造不銹鋼部件微觀缺陷的新方法。這一突破性的進展有望在材料科學和無損評估領域產生深遠影響。
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)
增材制造技術，包括3D打印，因其能夠制造復雜形狀的金屬部件而在多個領域得到廣泛應用。然而，該技術也可能引入微小的缺陷，如孔隙，這些缺陷通常比人的頭發還小，但會顯著削弱材料的強度，特別是在核反應堆等惡劣環境下使用的部件。
為了應對這一挑戰，阿貢國家實驗室的研究人員開發了一種將PIT技術與AI相結合的方法，以精準檢測不銹鋼中的微觀缺陷。PIT技術使用光學閃光燈快速加熱金屬表面，并通過快速幀紅外攝像機記錄熱量擴散過程中表面溫度的下降。內部缺陷會改變材料的熱物理行為，從而影響熱量的傳遞。
然而，直接從PIT圖像中識別這些微小缺陷極具挑戰性，因為圖像可能受到熱噪聲的干擾和熱擴散的模糊效應。為此，研究人員開發了一種AI算法來處理PIT熱圖像，該算法能夠濾除噪聲并增強缺陷的可見性，從而實現對直徑小至100微米的缺陷的精準檢測。這一成果相比以往的方法有了顯著的改進。
人工智能算法可在脈沖紅外熱成像中檢測出材料內部缺陷。這有助于無損評估用于核反應堆的 3D 打印結構的完整性。(圖片：阿貢國家實驗室)
首席研究員Alexander Heifetz表示：“我們的新方法使我們能夠識別出以前使用傳統方法無法檢測到的微小缺陷。這是確保核應用結構材料完整性的令人興奮的一步。”
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，但傳統無損檢測技術很難識別復雜形狀的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技術提供了一種非接觸式的解決方案，能夠擴展到任意形狀和尺寸，且不會損壞待檢查的部件。
這一新方法對于能源和航空航天等行業尤其有價值，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，延長關鍵部件的使用壽命，并提高整體安全性。
這項工作得到了美國能源部、核能辦公室、核能使能技術以及國家核安全局的支持。
