ニューラルネットワークスライシングに基づく高精度3Dプリントシステム

出典: EFL Bio3Dプリンティングとバイオ製造

光の散乱は微細構造の印刷に重大な影響を及ぼし、さまざまな不要な凝集を引き起こし、小さな構造を印刷できなくなり、プリンターの実際の解像度が低下する可能性があります。既存の解決策は、より高解像度のプリンターを使用するか、露光時間と露光光強度のプロセスを最適化することですが、どちらも多大なコストと時間がかかります。

この状況を克服するために、カリフォルニア大学サンディエゴ校のShaochen Chen教授のチームは、SPIEカンファレンスで「機械学習を使用したDMDベースのマイクロスケール3D印刷における散乱効果の緩和」と題する論文を発表し、機械学習を使用してスライス画像のグレースケール値を処理し、散乱効果を軽減して印刷精度を向上させる3D印刷方法を提案しました。

研究者らはまず、投影光硬化印刷システムを構築した。従来の投影光硬化印刷システムとの違いは、従来の投影光硬化印刷システムが主に印刷光の強度と露光時間を調整することでプロセスを調整するのに対し、研究者らはスライス画像の処理に重点を置いている点である。彼らは14層の完全畳み込みニューラルネットワークを設計し、異なるグレースケール画像とそれに対応する印刷結果をニューラルネットワークに入力し、継続的にトレーニングした。トレーニング後、ニューラルネットワークは設計された形状に応じて対応するグレースケール画像（スライス画像）を生成でき、散乱を抑制して高精度の印刷を実現するのに使用されます。

図1 3Dプリンターと印刷された構造の概略図。 (a) DMDチップをベースにした3Dプリンター。 (b) グレースケール画像（スライス画像）を3Dプリンタに入力し、構造を出力します。ニューラルネットワークは、設計された構造の理論的な形状を入力として受け取り、グレースケール画像 (スライス画像) を出力します。 3D プリンターの入力と出力は、ニューラルネットワークのトレーニングに使用されます。 (c) トレーニング用グレースケール画像（スライス画像）の例。 (d) 使用したニューラルネットワークのアーキテクチャ。次に、ニューラルネットワークスライシングを使用して設計された3Dプリントシステムの性能を評価するために、研究者らは図2(a)に示す構造を印刷しました。ニューラルネットワークによって生成されたスライシング結果は、モデルの端のピクセルを追加してエネルギーを増やして露出不足を防ぎ、毛穴のような構造の端のピクセルを減らしてエネルギーを減らして露出オーバーを防ぎ、論理的であることがわかります。さらに、ニューラルネットワークによって生成されたスライシング結果を使用して印刷された構造は、設計された形状をうまく復元し、研究者らが設計した3Dプリントシステムの優れた精度を実証しています。

図2 (a) 設計された理論上の形状、(b) ニューラルネットワークによって与えられたグレースケール画像（スライス画像）、(c) 印刷された構造。 (d) ニューラルネットワークによって与えられたグレースケール画像（スライス画像）と設計された理論形状の比較。次に、研究者は、ニューラルネットワークによって与えられたグレースケール画像（スライス画像）と、従来のスライス方法で得られたグレースケール画像（スライス画像）を比較しました。印刷結果から、従来のスライス方法には限界があることがわかります。印刷パラメータをどのように調整しても、設計されたモデルの一部の詳細をうまく復元することはできません。スライスにニューラルネットワークを使用すると、この問題がうまく緩和され、印刷されたさまざまなモデルの精度が高くなります。

図3. ニューラルネットワークによって生成されたグレースケール画像（スライス画像）と従来のスライス法によって得られたグレースケール画像（スライス画像）の印刷結果。最初の列は設計された理論的な形状です。 2 列目から 4 列目は、従来のスライス方法を使用して平均光強度 50%、75%、100% で取得したグレースケール画像 (スライス画像) の印刷結果です。 5列目は、ニューラルネットワークによって与えられたグレースケール画像（スライス画像）を使用して得られた印刷結果です。最後に、研究者らは、ニューラルネットワークによって与えられたグレースケール画像（スライス画像）と従来のスライス方法で得られたグレースケール画像（スライス画像）の印刷結果を定量的に分析し、すべての印刷結果のDice係数（2つのセットの類似性を評価するために使用され、1に近いほど類似している）を計算しました。従来のスライス方法では、露出不足と露出過多が同時に避けられないため、Dice係数が低くなることがわかります。一方、ニューラルネットワークによって与えられたグレースケール画像（スライス画像）には明らかな利点があり、スライスにニューラルネットワークを使用することの大きな利点をさらに実証しています。

図4 ニューラルネットワークによって生成されたグレースケール画像（スライス画像）と従来のスライス法によって得られたグレースケール画像（スライス画像）の印刷結果。 (a)～(c)は、異なる条件下での印刷結果の重ね合わせたプロファイルです。白いアウトラインはデザインの理論的な形状です。赤いアウトラインは、ニューラルネットワークによって与えられたグレースケール画像（スライス画像）を使用して得られた印刷結果です。黄色、緑、青の輪郭は、それぞれ平均光強度が 100%、75%、50% である従来のスライス方法を使用して取得されたグレースケール画像 (スライス画像) の印刷結果を表します。 (d)～(g)は(a)の破線枠内の拡大図である。 (h) 印刷結果と理論形状の間のサイコロ係数記事出典:
https://doi.org/10.1117/12.2577129

ニューラルネットワークスライシングに基づく高精度3Dプリントシステム

寧夏大学と浙江大学：3Dプリントされた昆虫のようなマイクロ高速移動ロボット

3D プリントが「パールリバーウェスト戦略」に翼を加える

アーティストが3Dプリントを使って高さ20メートルのバーニングマン寺院を建設

Aubert & Duval と Alloyed が、亀裂のない積層造形を実現するニッケル基超合金 ABD-1000AM を発表

アクションアドベンチャーゲームRecore 機械犬マックの3Dプリント再現

バイオメディカル業界におけるBMF精密積層造形技術の革新的な応用

人体の内部に直接3Dプリント？スイスのチームが内視鏡SLA技術を開発

直径 850 mm のブレードモデルを印刷するには 43 時間かかり、1 か月に 5 人の大工が作業にあたります。

アモルファス3Dプリンティング - 3Dプリンティングシステムにおける最先端かつ最も有望な技術

【TCT SHOW 2019】eSUNの革新的な3Dプリント製品をプレビュー！

推薦する

メルティオは、金属3Dプリンターを500台以上販売し、2024年には収益が50%増加すると予想している。

Natrx と Danos が沿岸の生態環境を保護するためにサンゴ礁 3D プリント生産センターを設立

風力タービンのブレードの侵食はAIと3Dプリントの助けを借りて解決されました

BDMC2018 - バイオデザインと製造・バイオマテリアルに関する国際会議

10トンのリサイクル材料を使用したホルシムの新世代3Dプリントコンクリート石橋は、二酸化炭素排出量をさらに40％削減します。

3D プリントされた手術ガイドとインプラントは、整形外科の修復にどのように役立つのでしょうか?

SpaceXとOrbital ATKが米軍から3Dプリントロケットエンジン開発で1億ドルの契約を獲得

机上の「ガラス工場」を使えば、プラスチックを印刷するのと同じくらい簡単にガラスを3D印刷できる

ReChinaアジア印刷技術・消耗品展示会が5月24日に上海で開幕

国家付加製造イノベーションセンター上海航空イノベーションセンターがオープン

永川は総合的な3Dプリント研究開発サービスプラットフォームを構築し、院士の陸炳恒氏のチームが自ら管理し構築する。

Think3DDD: 動物の病気を治療するための 3D プリント装具!

3D プリントを使用して「マーベルヒーロー」を作成します。3000 回以上愛しています。

ブラックテクノロジー：PLAプラスチックと幹細胞を使用した人工心臓の3Dプリント！

月の土を使って航空宇宙部品を 3D プリント？ロシア宇宙公社が新たなコンセプトを提案