Erbetta, Aron Miguel (2017) Machine learning applicato al 3D printing. Bachelor thesis, Scuola Universitaria professionale della Svizzera italiana (SUPSI).
![[img]](https://tesi.supsi.ch/style/images/fileicons/text.png) |
Text
POSTER_ERBETTA.pdf Download (218kB) |
Abstract
Italiano. Il presente progetto richiedeva lo sviluppo di un applicativo per il riconoscimento di immagini di una melt pool. Tali immagini vengono ricavate grazie all’utilizzo di una camera a colori per imaging, la quale è montata all’interno di una Laserdyne 430. Questo macchinario industriale è utilizzato per la produzione di componenti in metallo tramite la tecnica dell’additive manufacturing. La creazione del componente metallico avviene depositando strati di polveri di leghe d’acciaio che vengono fuse da un fascio laser: le polveri vengono soffiate attraverso tre ugelli sul punto da fondere. Per la classificazione delle immagini della melt pool è stato deciso dal relatore di utilizzare il deep learning. La categorizzazione delle immagini permette di capire come la creazione del componente stia avvenendo. Questo rende possibile comprendere se sono necessari aggiustamenti dei parametri delle parti coinvolte nella produzione, come ad esempio modificare la potenza del fascio laser, la velocità di spostamento della testa, ecc. È così possibile apportare modifiche in modo che il prodotto finale sia strutturalmente migliore, evitare sprechi delle polveri che non vengono fuse, ed apportare un miglioramento produttivo generale. Il software prodotto rende possibile la classificazione delle immagini raccolte dalla telecamera, classificandole in sette categorie distinte. Le accuratezze ottenute dal classificatore risultano sufficienti (sono circa del 90%), ma potrebbero essere superiori. Questo è dovuto al fatto che l’hardware presente nel computer permette di ottenere dei risultati preliminari, ma non permette di raggiungere gli obiettivi iniziali (classificazione di molte immagini al secondo ed accuratezze oltre il 95%). Inglese. This project required the development of a melt pool image recognition application. These images are obtained using a color camera for imaging, which is mounted inside a Laserdyne 430. This industrial machinery is used for the production of metal components through the additive manufacturing technique. The metal component is created by depositing layers of steel alloy powders that are fused by a laser beam: the powders are blown through three nozzles on the melting point. For the classification of melt pool images, the supervisor has decided to use deep learning. Image categorization allows you to understand how the component creation is taking place. This makes it possible to understand whether the parameters of the parts involved in the production need to be modified, such as the laser beam power, the head displacement speed, and so on. It is thus possible to make changes so that the final product is structurally better, to avoid the waste of the powders that are not fused, and to make a general improvement of the manufacturing process. The developed software makes it possible to classify the images collected by the camera, categorizing them into seven distinct categories. The ratings obtained from the classifier are sufficient (about 90%), but may be higher. This is due to the fact that the hardware on the computer allows you to get preliminary results but does not allow you to reach the initial goals (classifying many images per second and accuracy over 95%).
| Item Type: | Thesis (Bachelor) |
|---|---|
| Supervisors: | Banfi, Michele and Chiericati, Daniele |
| Subjects: | Informatica |
| Divisions: | Dipartimento tecnologie innovative > Ingegneria informatica |
| URI: | http://tesi.supsi.ch/id/eprint/1760 |
Actions (login required)
 |
View Item |