南洋理工大学的研究人员开发了一种快速、低成本的成像方法，可以分析3D打印金属零件的结构，以评估材料的质量。该系统使用一台光学相机、一个光源和一台运行该团队开发的专有机器学习软件的笔记本电脑。

大多数3D打印金属合金由各种微观晶体组成，这些晶体在形状、大小和原子晶格方向上都不同。将这些信息映射出来，就可以推断出合金的性能，比如强度和韧性。为了分析这种微观结构，通常使用扫描电子显微镜，这是一个昂贵且耗时的过程。

另一方面，团队方法中涉及的硬件成本不到2万美元。该方法首先用化学物质处理金属表面，以揭示微观结构，然后将样品面向相机放置，相机在光源从不同方向照亮金属时拍摄多幅图像。

然后，该软件分析光从不同金属晶体表面反射产生的图案，然后推断出它们的方向。整个过程大约需要15分钟。

研究人员说：“使用我们廉价且快速的成像方法，我们可以很容易地区分好的3D打印金属零件和有缺陷的零件。目前，除非我们详细评估材料的微观结构，否则无法区分它们。”

没有两个3D打印的金属零件是平等的，即使它们可能是使用相同的技术生产的，并且具有相同的几何结构。从概念上讲，这类似于两个完全相同的木制工艺品可能各自具有不同的纹理结构。

研究人员认为，该团队的成像方法有可能简化3D打印或添加制造生产的金属合金零件的认证和质量评估。

3D打印金属零件最常用的技术之一是使用高功率激光熔化金属粉末，并将其逐层熔合在一起。然而，微观结构以及印刷金属的质量取决于几个因素，其中包括激光的速度和强度，在添加下一层之前冷却的时间，以及使用的金属粉末的类型和品牌。

该团队没有使用一个复杂的程序来根据采集到的光学信号测量晶体方向，而是使用了一个神经网络，为其提供数百张光学图像以供学习。最终，它学会了根据光如何从金属表面散射的差异，从图像中预测金属中晶体的方向。

然后，他们测试了该方法，以创建一个完整的“晶体方向图”，该图提供了有关晶体形状、大小和原子晶格方向的全面信息。

该团队目前正在与NTU的创新和企业公司NTUitive进行讨论，以探索成立一家分拆公司或许可其专利的可能性。