CNN-basierte Pulverbettbeobachtung und Fehlerdetektion für das Selective Laser Melting (SLM) Verfahren

Das selektive Laserstrahlschmelzverfahren (selective laser melting, SLM) zur additiven Fertigung metallischer Baukörper erfährt gegenwärtig viel Aufmerksamkeit in Wissenschaft und industrieller Entwicklung. Aufgrund fortbestehender Fehleranfälligkeit des Prozesses werden Verbesserungen der Prozessüberwachung und Qualitätssicherung für eine weitere Etablierung dieser Technologie benötigt. Wir präsentieren eine kamerabasierte Pulverbettbeobachtung mit automatisierter Bildklassifikation zur Unterscheidung von Bauteilen, Pulverflächen und ausgewählten Fehlern. Bilddaten aus Bauprozessen wurden gelabelt und etablierte Analysemethoden auf Grundlage von Convolutional Neuronal Networks (CNN) an die Besonderheiten der Pulverbettbeobachtung angepasst. Die in dieser Arbeit entwickelte Netzwerkarchitektur wurde von Grund auf trainiert und erreicht mit Blick auf die Erkennung von Fehlern einen F1-Score von 84.71%.