师彬彬，陈哲涵

北京科技大学 机械工程学院，北京 100083

金属熔融沉积成型工艺采用激光束或电子束逐层扫描金属粉末床，使之熔化沉积形成零件，是在航空航天、装备制造、生物医疗等行业广泛应用的金属增材制造工艺之一。在熔融沉积过程中，粉末床的缺陷将造成扫描过程熔池不稳定，从而导致零件出现弯曲变形[1]、开裂[2]、球化[3]等宏观缺陷，以及孔隙[4-7]、夹渣[8]、不完全融合[7,9]等内部冶金缺陷，最终影响零件质量。

基于粉末床图像进行实时缺陷检测是增材制造质量控制的重要手段之一。Craeghs 等[10]从粉末床灰度图像上提取垂直于铺粉方向的灰度分布，通过与合理灰度范围对比来检测出由于刀片磨损或局部损坏导致的粉末床不均匀缺陷。Kleszczynski等[11-12]依据熔覆层局部偏高区域存在镜面反射产生亮区的特点，对灰度图像进行阈值处理，实现了对局部偏高区域形状和面积的有效提取。Neef等[13]利用低相干干涉成像技术来检测选区激光熔化工艺中粉末床的平整性。上述基于传统图像处理的缺陷检测方法不仅对传感器和光源的位置要求较高，而且所能检测的缺陷种类有限，对粉末床缺陷的适应性和扩展性较差。

部分学者引入深度学习方法，构建能够自主学习的缺陷检测模型。Scime和Beuth[14-15]采用人为设计的一组滤波器提取缺陷特征，实现了对6种粉末床缺陷的自动检测和分类。随后，又提出通过迁移学习对现有的AlexNet卷积神经网络(Convolutional Neural Networks, CNN)进行再训练实现更多种类的粉末床缺陷识别。……