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

UnionTechのMa Jinsong氏：3Dプリント業界の現在の発展に関する私の意見

BMFのPμSLマイクロナノ3Dプリント技術のエネルギー分野における進歩

FortMeとMultiが協力して複合3Dプリントの予測可能性を向上

ソルコンは200台目の金属粉塵除去システムを納入し、新しい粉塵除去ソフトウェアの発売を計画している。

ITESは重大発表を行いました。2021年春に予定通り開催されます。

新しいフォナックの補聴器 - シェルはチタン3Dプリント製で、厚さはわずか0.2mm

ExOneのドイツの3Dプリント工場は発電に75%の再生可能エネルギーを使用している

クラウドファンディングが200万元を突破：999元のKOKONI 3Dプリンターは家庭での使用シーンを開拓できるか？

日本の科学者がナノ複合材料の3Dプリントを実現する新しい粉末分散技術を開発

AEM: 3Dプリントされた伸縮性構造による圧電エネルギーの収集とセンシング

推薦する

HPとアルケマが協力し、最大85%の再利用性を備えたPA 12 Sポリマー3Dプリント材料を開発

3Dプリントがカスタマイズ可能な消費者向け製品を実現する方法

ストラタシスの最新プロジェクト：クールなセルフバランスカーを3Dプリント

航空分野における金属積層造形技術の開発と応用

モロッコは、インキュベーションから生産ラインまで、国内の科学研究チームと協力し、科学研究成果の変換チェーン全体を開放しています。

中国の鋳造産業分野における最初の3Dプリント製品が正式に発売されました

新技術: 抵抗率が数十万倍も低減した、より純粋な金ナノ構造の3Dプリント

超靭性と延性を備えた初の3Dプリント高性能ナノ構造合金

3時間が5分に短縮されました！ 3Dスキャン技術により、風力タービンコイルの底部金型ブランクを正確に加工できます。

3D Systems、放射線治療のターゲットを最適化したパーソナライズヘルスケアソリューション「VSP® Bolus」を発表

Orbbec が 3D スキャナー OEM/ODM サービスを開始、Chuangxiang 3D と提携してコストパフォーマンスの高い新製品を開発

Hirschvogel は、製品の革新と生産に積層造形技術をどのように応用していますか?

「ネイチャー」重版：NASAが新型超高温合金を開発、強度が2倍に

クラリアントはドイツで開催されるformnext 2018に出展し、産業グレードの3Dプリント消耗品に焦点を当てる