CN116075381A - 在粉末床增材制造中监测数据与相应检查数据之间的计算机实现的关联性 - Google Patents

Abstract

提出了一种在工件(10)的基于粉末床的增材制造中关联监测数据和制造后检查数据的计算机实现的方法。该方法包括(a)提供监测数据(A，OT)，监测数据包括工件在逐层域中的几何形状的异常检测信息(HS，CS)，(b)提供检查数据(CT)，检查数据包括工件在体积域中的几何形状的缺陷信息(D)，(c)从监测数据(A，OT)中提取感兴趣区域(ROI)信息，(d1)将检查数据(CT)的缺陷信息(D)从体积域变换为逐层域，或者(d2)将监测数据(A，OT)的异常检测信息(HS，CS)从逐层域变换为体积域，以及(e)计算感兴趣的监测数据和变换后的检查数据的空间交叠(Ao)。此外，还提供了相应的数据处理设备和计算机程序产品。

Description

在粉末床增材制造中监测数据与相应检查数据之间的计算机实现的关联性

本发明涉及一种用于在基于粉末床的增材制造中关联监测数据和相应检查数据的计算机实现的方法。因此，所提出的解决方案可以涉及在任何种类的部件或工件的增材制造期间和之后提供的数据的原位监测和/或后处理。

这样的工件可以表示高性能的部件，例如应用于发电、航空或汽车领域的部件。部件也可以是涡轮机的部件，例如燃气轮机的流道硬件中的部件。因此，部件优选地由镍基或钴基超级合金、特别地沉淀硬化合金制成。

给出的方法通常适用于所有类型的基于粉末床的增材制造工艺，如用于加工塑料、陶瓷或金属。最优选地，所提出的解决方案适用于通过激光粉末床熔融(LPBF)从粉末床中建立的零件或工件的增材制造。这样的增材制造技术通常至少包括选择性激光熔化(SLM)、选择性激光烧结(SLS)和电子束熔化(EBM)。另外的合适的增材制造方法涉及“定向能量沉积(DED)”，如激光熔覆、电子束或等离子体焊接、金属喷墨成型(MIM)、所谓的片状层压方法，或热喷涂(VPS、LPPS)方法、冷喷涂(GDCS)。

增材制造(AM)，也被称为3D打印，特别是粉末床方法已被证明在制造原型或复杂部件(例如，具有迷宫般或迂回结构的部件或功能冷却的部件)方面是有用和有利的。此外，增材制造因其较短的工艺步骤链脱颖而出，从而实现了材料的节约和特别低的交货时间。

用于给定方法的粉末床熔融制造装置或装备通常包括制造或构建平台，在该平台上，在馈送基础材料层——该基础材料层然后可以例如通过能量束(如激光)被熔化，并且随后被固化——之后逐层构建部件。层厚度由重涂器确定，该重涂器在粉末床上方例如自动地移动，并从制造平面或构建空间中去除多余的材料。典型的层厚在20μm到40μm之间。在制造期间，所述能量束在表面上扫描，并使选定区域上的粉末熔化，所述选定区域可以根据待制造部件的几何形状由CAD文件预先确定。所述扫描或辐照优选地以计算机实现的方式或通过计算机辅助手段(例如，可以以数据集的形式存在的计算机辅助制造(CAM)指令)进行。所述数据集或CAM文件可以是或指计算机程序或计算机程序产品。

这样的制造装置通常配备有不同类型的光学过程监测系统，如CCD或sCMOS相机或(其他)基于光电二极管的系统。这些系统在工件的构建期间生成工件的逐层图像，如照片或光学断层扫描记录。这些图像通常需要对异常(例如，所谓的热点、冷点、曝光过度或曝光不足的区域，或其他异常)进行分析。这些异常往往会导致工件结构的缺陷，工件结构对工件的服务至关重要。

由于上述选择性熔化(焊接)过程的复杂性，这样的异常或缺陷很可能在任何部件的构建期间发生。如果这样的缺陷没有在早期被检测到，则很可能会导致零件的报废，并浪费工艺能力和制造时间。

在颠覆性的增材制造领域，质量标准的保证或改进以及可重复性是主要的成本驱动因素。目前正在进行广泛的研究，以寻找新的工艺和解决方案，以解决在增材制造方法的工业化过程中出现的挑战。目前，为了确保任何增材制造或3D打印零件的质量，使用了昂贵的制造后检查方法，如计算机断层扫描。随着AM的发展，新的原位过程监测技术正在被开发和研究，以解决与质量有关的挑战。

例如，原位过程监测系统用于检测零件“打印”期间的早期缺陷，以便可以将后期检查工作减少到合理的最低限度，以预测相关材料缺陷。然而，这些过程监测系统仅仅依靠在生成的数据下进行的预测，仍然缺乏成熟的预测材料质量的能力。为了保证预测或检测到的缺陷与真实的材料缺陷有关，必须将后期检查数据(例如，计算机断层扫描数据或图像)与来自例如基于视觉的过程监测的数据关联。然而，目前还没有将允许开发对缺陷出现和形成的理解的强大的关联解决方案。

目前，因此对于通过使用可用的巨大数据量来获得数字AM技术中更多的技术洞察力有强烈的需求。

目前，在大多数情况下，从逐层过程监测数据中预测或检测到的缺陷之间的任何关联都是通过以手动方式查看任何计算机断层扫描体积数据或金相切割来手动完成的。

本发明的目的是提供满足上述技术要求和/或解决本文提出的技术问题的手段。

所述目的通过独立权利要求的主题实现。有利的实施方式是从属权利要求的主题。

本发明的一个方面涉及一种在工件的基于粉末床的增材制造中关联或映射监测数据与特别地制造后的检查数据的计算机实现的方法。

该方法包括提供或导入(记录的)监测数据，监测数据包括工件在逐层(例如，准二维(2D))域中的几何形状的异常(检测)信息。因此，所述监测数据可能与例如在增材构建工作期间记录的图像的堆叠有关。

该方法还包括提供或给予检查数据作为输入，例如制造后的检查数据，检查数据包括工件在体积(例如，准三维(3D))域中的几何形状的缺陷信息。

术语“检查数据”优选涉及从实际制造过程中离线(非原位(ex-situ))呈现的数据，例如在工件的结构已经提供之后。相反，术语“监测数据”优选涉及在工件的增材制造过程期间记录的原位呈现数据。

该方法还包括从监测数据中提取感兴趣区域信息，并且将检查数据的该缺陷信息从体积域变换为(该)逐层域或图像域；或者将监测数据的异常检测信息从逐层域变换为体积域。所述变换可以例如使用适当的几何操作进行，但优选地不使用所谓的仿射变换，因为仿射变换的方法被认为过于复杂和低效。

该方法还包括计算感兴趣的监测数据和变换后的检查数据例如过程监测计算机断层扫描(切片)数据的空间交叠或交集。

通过给定的方法，特别是在计算步骤期间或基于计算步骤，可以有利地得出参数，如总的或部分的缺陷体积或异常体积、检测到的孔隙或缺陷的总数等。因此，继而，可以获得制造完成的工件中(通过过程监测)预测的缺陷和实际的结构或材料缺陷之间的深入了解。这是因为从空间或几何交叠信息中收集的信息。

由于给定数据输入的直接关联，特别地可以收集关于AM过程中监测到的异常与制造后记录的工件结构缺陷之间的联系的深层知识。此外，计算机视觉系统的验证可以得到改善，或者机器学习或人工智能算法被供以所提出的方法的计算结果。此外，这也为数字孪生制造发展和/或将多个数据源引入单个数据结构或平台以便进行进一步的深入分析从而支持新的打印参数开发和质量保证带来了重大进展。

同样，打印的零件的质量可以从AM-工艺链的所有方面得到更好的保证，因此本发明甚至允许改进数字制造技术中的数字认证构思。

在实施方式中，监测数据以非结构化和/或标记数据的形式提供，例如以点云或点云数据库的形式。

在实施方式中，异常检测信息包括分别检测到的异常的位置(如全球位置或视场信息)、大小和/或严重性信息。这特别允许最大化所提出的关联方法的优点，因为被映射的异常信息被最大化；关联的输出也是如此。

在实施方式中，异常与在给定工件的制造过程期间通过监测(例如，光学断层扫描和/或熔池分析)检测到的热点、冷点、斑点缺陷、曝光过度和/或曝光不足区域有关，或由其构成。

在实施方式中，使用机器学习和图像处理算法的组合检测或预测异常。为此，异常检测可以通过例如基于阈值的、半监督的或适合的方法进行。根据该实施方式，所提出的关联方法可以最快捷地实现。

在实施方式中，检查数据包括计算机断层扫描数据或构成计算机断层扫描数据，并且缺陷信息指示在制造完成状态下工件结构的多孔性或缺乏熔融(lack-of-fusion)的缺陷。

在实施方式中，对于空间交叠的计算，执行逐像素或逐区域的交叠类型的分析。例如，根据花费的计算量或计算所需的时间，可以自动或根据操作者的输入来选择给定的替选方案之一。可以预见的是，例如，逐像素类型的分析比逐区域的交叠提供更准确的计算信息。然而，所述逐像素交叠通常计算速度较慢，而逐区域交叠则因高效计算而脱颖而出。

在实施方式中，在提取感兴趣区域信息后，调整监测数据的感兴趣区域的空间坐标。所述调整对于所提出的关联方法并不是必要的，但可能是有利的，例如，在单个缺陷或缺陷群的坐标在几何上没有得到很好的调整的情况下。然后，可以应用“最佳拟合”的自动或半自动对准方法，例如包括偏移和/或旋转操作。

在实施方式中，交叠的计算是通过限定监测数据和检查数据各自的边界框来支持的，并且借助所述边界框，分别通过监测数据和检查数据的交叠区域和/或结合区域来计算交叠。通过这些方法，计算可以以简单和准确的方式进行。

在实施方式中，检查数据被转换为STL(立体光刻)或VRML格式或原产于计算机辅助设计(CAD)的任何其他格式。根据该实施方式，检查数据可以方便地被引入相同的数据结构或域，就像用于在给定的制造工作之前提供工件的设计一样。

在实施方式中，监测数据被自动裁剪，并且仅所提取的感兴趣区域的信息被进一步映射。因此，计算可以集中在数据的对于关联或交叠计算任何进一步相关的相关部分。

在实施方式中，对于变换，利用映射的监测数据进行体素到像素的转换或像素到体素的转换。

在实施方式中，所述基于粉末床的增材制造涉及选择性激光烧结、选择性激光熔化或电子束熔化，或直接从所述方法衍生的任何过程。

本发明的另一个方面涉及被配置成执行上述方法的数据处理设备。所述设备例如可以是增材制造装置硬件的一部分，或者是相应监测或构建处理器单元。

本发明的另一个方面涉及包括指令的计算机程序产品，当该程序由数据处理设备或计算机执行时，该指令使程序执行如上所述的方法。

本文所指的计算机程序产品可以涉及构成或包括诸如存储卡、USB棒、CD-ROM、DVD或者从服务器或网络下载或可下载的文件之类的存储介质的计算机程序装置。这样的产品可以由无线通信网络提供，或者经由给定的计算机程序、计算机程序产品或计算机程序装置通过对应信息的传输来提供。计算机程序产品还可以包括存储应用、程序、程序模块、脚本、源代码、程序代码、目标代码、字节代码、编译代码、解释代码、机器代码、可执行指令等的非暂态计算机可读存储介质。这样的非暂态计算机可读存储介质包括所有计算机可读介质(包括易失性和非易失性介质)。

与所述方法和/或所述计算机程序(产品)有关的优点和实施方式也可以涉及底层数据处理设备或增材制造装置或者对底层数据处理设备或增材制造装置有效。

另外的特征、合适的和有利的实施方式从以下结合附图对示例性实施方式的描述中变得明显。

图1示出了基于粉末床的增材制造工艺的原理的示意性简图。

图2指示这样的制造过程的细节和在这样的制造过程中应用的相应异常检测的细节。

图3指示本发明的关联方法的工艺步骤的简化流程图。

图4以简化的透视图指示逐层域中的过程监测图像和相应异常的堆叠。

图5包括两个示意图，分别指示对层的堆叠的逐像素缺陷监测。

图6通过包括异常以及缺陷的层的堆叠的截面的方式示意性指示本发明的交叠方法。

图7指示类似于图6的所提出的关联方法的数据域转换的细节。

图8通过三种不同的情况指示根据本发明的交叠计算的基本思路。

图9示出了所提出的交叠计算的另外的细节的示意图。

图10指示本发明的关联方法的可视化方面的处理步骤的简化流程图。

附图中的相同元素、同种元素和相同作用的元素可以设置为具有相同的附图标记。这些附图不一定是按真实比例描绘的，而是可以按比例放大或缩小，以便更好地理解所说明的原理。相反，所描述的附图应从广义上理解，并作为使本领域技术人员能够以多种方式应用所提出教导的定性基础。

本文使用的术语“和/或”是指所列举元素中的每一个可以单独使用，也可以与另外列举的元素中的两个或更多个结合使用。

图1示出了增材制造装置100。所述装置100可以是用于通过粉末-床-熔融(PBF)制造任何类型的部件的传统装置。这样的技术采用粉末或基础材料8的床，该床被选择性地和逐层地暴露于能量束5(例如，激光或辐照设备的电子束或能量束源2)或被其辐照。因此，给定的PBF方法可以与选择性激光烧结、选择性激光熔化或电子束熔化有关。所述过程允许在构建平台1的顶部上建立工件或零件10，因为零件10的粉状层L被熔融或焊接到所述平台1上，并根据其预定的(CAD)几何形状，通过光束5的选择性固化而被连续辐照。在每个层的辐照或熔融之后，通常根据层的厚度降低构建平台1，并通过重涂器或重涂装置30将新的基础材料层沉积在制造平面上。

辐照设备20连接至例如包括构建处理器装置的控制装置4，或者可以由控制装置4控制。

装置100还可以具有的特征优选地为光学监测系统6，例如包括CCD相机或sCMOS相机或任何其他光电二极管类型的成像系统，在构建工作期间可以用这些相机或成像系统来拍摄逐层图像，例如在粉末重涂步骤之后的一个图像和在相应(选择性的)激光扫描步骤之后的一个图像。特别地，可以使用与特定的NIR(近红外)滤波器等结合的长曝光成像来捕获从粉末床发射的辐射的强度值，就像在光学断层扫描记录中应用的一样。

本文中提到的工件10特别地可以涉及形状复杂的零件或物品，例如具有丝状结构的部分。优选地，所述零件由高性能材料例如具有很大强度和/或热阻的材料制成。特别地，所述零件可以构成蒸汽或燃气轮机部件(如转子叶片、静子叶片、护罩、防护罩如隔热罩、尖端、分段、插入物、喷射器、密封件、过渡件、燃烧器、喷嘴、滤网、孔口、衬垫、分配器、圆顶、提升器、锥体件、喷枪、板、共振器、活塞或任何相应的改装套件)的一部分。另外，所述部件可以与另一个或类似的部件有关。

图2指示工件10上方的层L的堆叠的示意性透视图。该层堆叠指示待选择性地进行辐照的部件10或——视情况而定——拍摄的光学图像的后续层L，以检测过程中的无论是在粉末层还是在已经(部分)固化的层中的异常。图2中所示的层的堆叠也可以与下面列出的光学断层扫描数据相关。通过图2中所示的堆叠的最顶层，应示出异常检测。异常可以用附图标记A指示。

图中示出，光学监测系统6可以例如在执行了选择性熔化步骤之后特别地检测、记录或登记不同类型的缺陷或异常。在最顶层的右上部分，特别地指示热点HS，即工件10的粉末床或结构中的区域，该区域例如被能量束5过度曝光。为此，引入粉末床中的局部或空间能量密度可能被选择得过高以产生足够的辐照结果。众所周知，过高的热量会导致粉末颗粒蒸发，并可能在工件的结构中造成所谓的“锁孔孔隙”，即在零件的结构中出现近似球形的气泡(下面也参见图7)。

显然，稳定的熔化或辐照过程需要在合理的工艺“窗口”即参数范围内选择辐照参数，这可以获得良好的结构结果，优选地是没有缺陷和异常或缺陷和异常很少。当然，不仅仅是能量参数会导致热点和其他缺陷。另外，工件本身的材料或几何形状(当然在图2的方案中被过度简化)可能会导致工件轮廓的拐角处(例如，能量输出至关重要的地方)出现热点。众所周知，例如围绕工件10的固化结构的单纯的粉末床在热学上是“准绝缘的”，并且多余的热量需要通过构建板(在图2中没有明确指出)消散。

另一方面，可能会出现图2中最顶层的下部所示的冷点CS。这些冷点CS可能归因于曝光不足的区域，例如，其中，光束5施加到粉末上的能量不足以完全和可靠地使相应的粉末床区域熔化。这些冷点CS同样可能导致不利的结构质量，例如粉末8中的残余孔隙。

一般来说，所提出的方法以及光学监测系统6能够检测出工件10的构建结构中的多种缺陷，如所述的热点HS、冷点CS、相应的过熔和/或欠熔区域，以及所谓的斑点(blob)，或缺乏熔融的缺陷。所有列出的过程中的异常类型都可能导致整个部件的报废或浪费，特别是当涉及到高性能材料的制造时。这又导致了制造时间和资源的浪费。

所述光学监测系统6可以包括数据处理设备7或计算机。所述设备7也可以安装在所述监测系统6上。因此，关于所提出的关联方法所描述的所有过程步骤可以由数据处理装置(例如，图1中用附图标记7描述的设备)执行。为此，所提出的方法可以完全或部分地由通用数据处理装置实现。

替选地，所述实现方式可以主要通过例如包括相机或光学断层扫描单元和计算模块的监测装置来执行。

图3指示所提出的方法步骤的流程图。如上所述，所述方法是一种在工件10的基于粉末床的增材制造中关联监测数据和制造后检查数据的计算机实现的方法。该方法包括：a)提供监测数据例如照片，CCD相机记录是光学断层扫描数据OT。所述监测数据优选地包括工件在逐层域中的几何形状的异常或异常检测信息HS、CS(参照上文描述的附图)。

优选地，所述过程监测数据OT作为非结构化数据(例如，以点云或点云数据PCD结构的形式)提供。另外地或替选地，所述监测数据可以存在于逐层数据域或结构中。如上面图2中提到的异常检测信息HS、CS或其他异常可以从监测数据记录或图像中检测、过滤或导出，例如通过机器学习ML和相应图像处理算法(例如，阈值算法)的组合(参见下文图10)。此外，所述异常检测信息HS、CS可以包括相应检测到的异常A的位置、大小和严重性。

该方法还包括，b)提供检查数据，例如具有关于工件结构的检测缺陷D的信息的计算机断层扫描CT数据。所述缺陷D优选地是在制造后检查过程(例如，机械切割)、计算机断层扫描检查方法等中检测到的。根据检查数据的性质，例如在计算机断层扫描信息的情况下，所述缺陷信息优选地存在于体积域中。检查数据的所述缺陷信息也可以与工件结构的多孔性P或缺乏熔融的缺陷有关。

如图3所示，刚刚描述的该方法的两种不同的数据输入显示在工作流的顶部处。尽管没有明确指出，但在工作流中还可以处理另外(可选)的信息，例如元数据或用户定义的数据，这些数据例如可以作为输入而手动给出。所述元数据也可以包含关于监测记录的像素大小、层厚度和交叠层跨度的信息。后一个参数指示例如必须使用或考虑多少层的组合，以便与任何检查数据进行比较和关联，这将在下面的图6中更详细地描述。通常，所述交叠层跨度取决于选择性焊接、由此3D打印的材料的相应熔池深度及其打印参数。可以输入或考虑的另外的参数涉及可选的坐标调整(如旋转角度)，或各自感兴趣区域的坐标的异常位置。在提取感兴趣区域ROI信息后，如方法步骤c)所述，可以可选地调整监测数据的感兴趣区域ROI的空间坐标，如c(aa)所示。所述调整可以涉及几何形状调整。

如图3左下部分所示，该方法然后交替地包括步骤d1)和d2)。

步骤d1)指示将检查数据CT的缺陷信息D从体积域变换为逐层域。

相反，步骤d2)指示将监测数据OT的异常信息HS、CS从逐层域变换为体积域。

显然，所述替选的变换或转换步骤使底层数据域保持一致，从而允许方便地进行空间交叠参数的计算，如下文所述。对上述变换步骤之一的选择可以自动或半自动地进行。

为了计算下面步骤e)下的空间交叠Ao，也可以进行逐像素e1)或逐区域交叠e2)类型的分析。这将在下面的图4至图6中进一步详细描述。事实上，e1)与e2)之间的所述决定可以通过过滤器功能即以自动、半自动或手动的方式实现。各自的选择可以通过元数据输入(例如，基于层厚度信息)；或上述的交叠层跨度以及通过自动决定、分类、预测或模拟整体关联方法的所需或预期的计算工作和/或计算时间来给出。

与逐区域交叠分析相比，缺陷的逐像素交叠提供了更准确的信息。然而，逐像素方法的计算速度较慢，时间效率较低。在逐像素方法中，出现在连续层(参照，交叠层跨度)中的像素保持在数据流中，而其他非连续出现的像素被过滤掉。而对于逐区域方法，出现在连续层中的缺陷保持在数据流中以供进一步处理，而其他缺陷被消除或裁剪。

该方法还包括e)计算感兴趣的监测数据和变换后的检查数据的空间交叠Ao，如图3的工作流的最下方所示。一旦计算出空间交叠或类似或等效参数，就可以得出进一步的参数，如关联的缺陷体积、缺陷数目、孔隙数目和/或交叠体积。

图4更详细地示出了逐像素的交叠方法。特别地，以透视图一个在另一个之上地显示五个连续的层或图像层。所有的层在x、y方向上延伸，并在z方向上堆叠，如左下方所示。

附图标记p指示实际的像素位置，作为对眼睛的指导。如堆叠中的深色阴影和附图标记A所示的异常发生在中间的三个层中。在每种情况下都有六个像素受到影响。当假设例如基于阈值的图像处理方法进行异常检测时，只要选择大于二的交叠层跨度，就可以准确地将实际异常逐像素地包含在层堆叠中。

为了进一步说明该情况，图5在顶部指示有2个状态的图，即值0和值1在y轴上，或层的数目在x轴上。特别地示出，如图5所示，在1至4的连续层之间可以示例性地检测到信号。对于多达19层的堆叠，指示另外的示例性信号。

在底部处，与顶视图相比，示出了不同的情况，其中，特别地13和18之间的层在异常检测中不同，例如在有争议的部分或异常的不同位置处。

相反，图6指示如上文介绍的逐区域交叠方法。对于传统的LPBF工艺监测系统，可以仅检测当前顶层的数据，而真正的材料缺陷可能位于实际层数的下方。由于激光束或电子束随着能量的输入而穿透，产生的熔池根据对异常检测有效的参数设置通常超过一层(厚度)如两层或三层厚度。这方面可以通过设置最小的层数来考虑，在这些层中，图案必须存在于相同的位置处。如上所述，如果激光穿透到至少连续层，则这通过同样在图6中被选择为大于二的交叠层跨度来实现。这种情况显示在图6的左下部分(层1和层2中)和右边的中间(层6和层7中)。

在图6中，虚线指示针对交叠假设的底层区域R。所述区域R通常在少量的连续层L上延伸，并且理想地围绕或包括一个或多个缺陷D。

否则，如果不对交叠层跨度进行这样的选择，就有记录到伪影或随机缺陷的危险，而这些缺陷与真正的缺陷、空隙或曝光过度或曝光不足的区域无关，因此根本就不应该被检测到。在图6的右下区域的层1至层4中，例如提到的交叠层跨度必须选为至少4的值。

在图7和图8中，通过方法步骤d1)和d2)的方式，更详细地指示上述数据域转换或变换。中间的圆圈描述(球形)缺陷或孔隙P，其通常也可以通过所述的过程监测在多个连续层中检测到。在给定的示例中，所述缺陷D大约延伸到三个层厚，其中，参数rs指示给定的切片半径，参数rh指示相应的孔径，dz指示z距离。特别指示的是，所提出的方法可以如何通过简单的算法推导出层高并确定所产生的二维孔隙位置和半径。

图8和图9进一步指示，优选地通过限定监测数据A、OT和检查数据各自的边界框BB1、BB2来支持交叠Ao的计算。借助所述边界框BB1、BB2，分别通过监测数据A、OT和检查数据CT的交叠区域Ao和/或结合区域Ao来计算交叠。特别地，示意图描绘了三种情况(i)、(ii)和(iii)。第一边界框BB1可以指示监测数据A、OT的逐层域中的相应边界，而第二边界框BB2可以指示检查数据CT的体积域的那些边界。所述边界框各自被圆形估计或定位E所包围，该圆形估计或定位E围绕方形边界框或(视情况而定)异常和缺陷。

在(i)中，示出了其中完全没有检测到交叠的情况。

在(ii)中，示出了其中没有示出真正的缺陷异常交叠，而只是通过稍微交叠的边界框BB1和BB2进行简单或虚拟的交叠的情况。

在(iii)中，示出了真正的交叠的方形域的情况。因此，当然也有给定的边界框部分地交叠的情况。

如图9所示，情况与所描述的情况(iii)类似，引入了所谓的交叠交集IoU。所述交叠交集等于交叠区域Ao和结合区域Au的商，这两者在图9右边的象形图中进一步示出。这些参数以及这些计算的另外的衍生物特别地允许本发明的创造性优势。

图10示出了与图3中所示相似和补充的另外的工作流。该图更多的是集中在如本文所述从所提及的多个输入源产生的数据的3D可视化上(参见图10的顶部)。包含预测缺陷信息的分析数据可以与真实材料缺陷同时可视化。同时，通过比较3D扫描模型和CAD模型以及逐层的OT图像数据可以进行几何计算，这特别地在图10的右侧底部示出。右边的附图标记“3D”指示，通过给定的可视化，还可以收集到关于提高增材制造部件的尺寸精度的深入知识。

特别地并且除了已经通过图3的工作流描述的细节外，还示出检查数据CT可以进一步转换为STL或VRML格式，或原产于计算机辅助设计CAD的任何其他格式，如图10的示意图左边的附图标记“STL”所示。

此外，特别地，监测数据OT被自动裁剪，仅所提取的感兴趣区域信息被进一步映射，如附图标记ROI所示。对于变换，如上所述，利用映射的监测数据执行体素到像素的转换或像素到体素的转换。图10的步骤流程还可以包括3D数据转换、重建和最后相关数据的可视化。

Claims (13)

1.一种在工件(10)的基于粉末床的增材制造中关联监测数据和制造后检查数据的计算机实现的方法，包括：

(a)提供监测数据(A，OT)，所述监测数据包括工件在逐层域中的几何形状的异常检测信息(HS，CS)，其中，所述监测数据作为非结构化数据提供，例如以点云(PC)的形式提供，

(b)提供检查数据(CT)，所述检查数据包括所述工件在体积域中的几何形状的缺陷信息(D)，其中，所述检查数据包括计算机断层扫描(CT)数据，并且所述缺陷信息指示所述工件的结构的多孔性(P)或缺乏熔融缺陷，

(c)从所述监测数据(A，OT)中提取感兴趣区域(ROI)信息，

(d1)将所述检查数据(CT)的所述缺陷信息(D)从所述体积域变换为所述逐层域，或者

(d2)将所述监测数据(A,OT)的所述异常检测信息(HS,CS)从所述逐层域变换为所述体积域，以及

(e)计算感兴趣的监测数据和变换后的检查数据的空间交叠(Ao)。

2.根据权利要求1所述的方法，其中，所述异常检测信息(HS，CS)包括所检测的异常(A)的位置(x，y)、大小和严重性。

3.根据权利要求1或2所述的方法，其中，异常与在制造所述工件(10)期间通过监测而检测到的热点(HS)、冷点(CS)、斑点缺陷、曝光过度区域和/或曝光不足区域有关。

4.根据前述权利要求中的一项所述的方法，其中，使用机器学习(ML)和图像处理算法的组合来检测异常(A)。

5.根据前述权利要求中的一项所述的方法，其中，对于所述空间交叠(Ao)的计算，执行逐像素交叠(e1)或逐区域交叠(e2)类型的分析。

6.根据前述权利要求中的一项所述的方法，其中，在提取所述感兴趣区域(ROI)信息后，调整所述监测数据(A，OT)的所述感兴趣区域(ROI)的空间坐标(c(aa))。

7.根据前述权利要求中的一项所述的方法，其中，通过限定所述监测数据(A，OT)和所述检查数据各自的边界框(BB1，BB2)来支持所述交叠(Ao)的计算，并且借助所述边界框(BB1，BB2)，分别通过所述监测数据(A，OT)和所述检查数据(CT)的交叠区域(Ao)和/或结合区域(Ao)来计算所述交叠。

8.根据前述权利要求中的一项所述的方法，其中，所述检查数据(CT)被转换为STL或VRML格式，或原产于计算机辅助设计(CAD)的任何其他格式。

9.根据前述权利要求中的一项所述的方法，其中，所述监测数据(A，OT)被自动裁剪，并且仅所提取的感兴趣区域的信息被进一步映射。

10.根据权利要求9中的一项所述的方法，其中，对于所述变换，利用所映射的监测数据执行体素到像素的转换或像素到体素的转换。

11.根据前述权利要求中的一项所述的方法，其中，基于粉末床的增材制造涉及选择性激光烧结、选择性激光熔化或电子束熔化。

12.一种数据处理设备(7)，被配置成执行根据权利要求1至11中的一项所述的方法，其中，所述设备形成增材制造硬件(100)或相应监测系统的一部分或者被配置成耦接至增材制造硬件(100)或相应监测系统。

13.一种包括指令的计算机程序产品(CPP)，当所述程序由数据处理设备(7)或计算机执行时，所述指令使所述程序执行根据权利要求1至11中的一项所述的方法。

Images