Modelo de IA atinge alta precisão na identificação da origem de peças impressas em 3D

Pesquisadores da Universidade de Illinois mostraram https://grainger.illinois.edu/news/stories/75700 que toda impressora 3D industrial deixa um padrão de superfície sutil e específico da máquina. Uma rede convolucional treinada nesses padrões pode dizer qual impressora produziu uma peça com precisão quase perfeita.

A equipe produziu 9.192 peças em 21 máquinas comerciais que abrangem quatro processos de manufatura aditiva: síntese de luz digital, fusão de múltiplos jatos, estereolitografia e modelagem por deposição fundida. Cada peça foi digitalizada em um scanner plano de documentos a 5,3 µm por pixel, criando uma biblioteca de imagens de alta resolução para treinamento e teste de modelos.

Usando uma arquitetura EfficientNet-V2 e um esquema de votação em várias culturas de imagens aleatórias, o modelo identificou a impressora de origem para peças não vistas com 98,5% de precisão. Ele também reconheceu o processo de fabricação e o material com até 100% de precisão e até mesmo inferiu a posição da bandeja de construção de peças de síntese de luz digital com uma precisão de aproximadamente 5 cm (~1,97 pol.).

O estudo mapeou como a precisão depende da resolução da imagem e do tamanho do corte. Para processos como a síntese de luz digital, um corte quadrado de 200 µm foi suficiente; as peças de deposição fundida precisaram de regiões maiores (≈3 mm), mas toleraram uma resolução menor, tornando o método compatível com câmeras e scanners prontos para uso.

Além da classificação básica, a abordagem oferece uma ferramenta prática para a supervisão da cadeia de suprimentos. Ela pode confirmar que um contratado usou a máquina acordada, sinalizar mudanças de processo não relatadas e ajudar a rastrear peças defeituosas ou falsificadas sem rótulos embutidos ou cooperação do fornecedor.