Detection of Traceability Features Embedded in Metal Additive Manufacturing Components by Phased Array Ultrasonic Testing
Notice bibliographique
Résumé
Abstract With the continuous advancement of additive manufacturing (AM) processes, ensuring that traceability and security for AM components has become paramount. Embedding unique identification features in AM components, akin to fingerprints, is essential for logistics management, certification, and counterfeiting prevention. In this article, we propose a novel approach utilizing quick response (QR) codes embedded via arrangements of unmelted features in rectangular, cylindrical, and spherical shapes within steel blocks (MPIF 4406) fabricated using laser powder bed fusion (LPBF). While computed tomography (CT) has been the dominant method for reading embedded QR codes, this article utilizes high-frequency phased array ultrasonic testing (PAUT) for reading these QR codes for the first time. Due to the layer-by-layer manufacturing process, the up-facing printed surfaces of the QR codes exhibit smooth characteristics (upskin), while the down-facing surfaces are rough (downskin). Ultrasound images from both surfaces are captured, each yielding distinct results. These captured images undergo image processing to compare them with their original designs. Linear and nonlinear image processing filters are applied to enhance the captured images, followed by feature extraction using two methods, Residual Network-50 (ResNet-50) and Histogram of Oriented Gradients (HOG), to evaluate their similarity to the original QR codes. The results reveal similarity percentages ranging from 70% to 85%. Most QR code images are readable, with upskin ultrasonic data providing better readability. This research underscores high-frequency PAUT as a promising solution for the rapid scanning of embedded QR codes in metal AM components, showcasing its potential for enhancing traceability and security in AM processes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».