激光粉末床熔化的亚毫秒级钥孔孔洞检测：利用声音和光传感器及机器学习（美国西北大学孙韬教授团队）

本研究由美国西北大学孙韬教授团队开展，旨在解决激光粉末床熔化（LPBF）过程中钥孔孔隙缺陷的实时检测问题。研究背景指出，LPBF技术虽能生产复杂部件，但熔池不稳定导致的钥孔孔隙会损害部件质量，尤其在航空航天领域。研究通过同步辐射X射线成像结合光学与声学传感器，开发了基于SqueezeNet神经网络的机器学习模型，实现了90%以上的预测准确率和0.1毫秒的时间分辨率。结论表明，钥孔孔隙生成与光学/声学信号强相关，且低成本传感器（如光电二极管）同样有效，为工业应用提供了实用方案。