All about Photonics

Science/Research 詳細

ORNL、X線CT欠陥検出アルゴリズム改善

図1 (a)可視光硬化の3成分系の一般的なメカニズム(酸化クエンチ)(左)と光開始剤(PI)及び光酸化還元触媒(PRC)の化学構造、それらに対応する定性的ゲル化時間の光硬化フィルムの画像(右)。(b)ヨードニウムアクセプター( A )、ホウ酸塩ドナー( D )共開始剤の化学構造。(c)不透明剤(OA)の化学構造。(d)最適光硬化濃度におけるPIとPRC混合物の波長に対する光吸収。OA は0.5mM(赤)、1mM(緑、青、紫)。光露出はDLP3Dプリンターイメージ面において較正された紫(405nm)、緑(460nm)、青(525nm)、赤( 615nm)のLEDによる。(画像提供:テキサス大)

February, 1, 2021, Cambridge--Oak Ridge National Laboratory(ORNL)が開発したアルゴリズムは、X線CT (XCT)、3Dプリント金属パーツの画像を著しく改善することができ、より正確な高速スキャンを可能にする。

産業用XCTは、積層造形(AM)されたパーツの非破壊検査と品質評価の方法として人気が出ている。しかし、そのプロセスは、ビーム硬化といわれる効果によって妨げられる。これは、再構成された画像の細孔や亀裂など、小さな欠陥を解像する標準的アルゴリズム機能に影響する。

そのプロセスを改善するために、ORNL研究チームは、ディープニューラルネットワークを使う新方法を実証した。これは、コンピュータ支援設計(CAD)モデルと物理学ベースの情報からのシミュレートデータでトレーニングしたものである。その方法は、ノイズとアーチファクトを減らし、一般的なアルゴリズムよりも高品質の画像を、大幅に高速に生み出す。

「われわれの狙いはX線画像の分解能と欠陥検出能力の強化である。これは、今度はAMパーツの品質評価と認定に役立つ」とORNLのAmir Ziabariはコメントしている。

(詳細は、https://www.ornl.gov/)