机械工程学报

作者：李雨露, 李俊峰, 万章艺, 魏正英

单位：西安交通大学精密微纳制造技术全国重点实验室 西安 710054

关键词：激光粉末床熔融,在线监测,深度学习,成形层图像分类识别,YOLO算法,成形质量预测；

激光粉末床熔融(Laser powder bed fusion, LPBF)技术能够高精度制造复杂金属构件，其成形过程的质量波动与缺陷在线监测是目前研究的重点方向之一。本研究面向Ti-6Al-4V合金LPBF过程，构建了一种基于原位视觉感知的成形层形貌在线监测与分类识别方法，可实现对成形质量的预测。首先，通过单道熔道实验系统分析不同激光功率与扫描速度组合下的熔池行为及成形层光学形貌特征，将成形层形貌依据能量密度划分为低能区、适能区与高能区，为后续分类标注建立实验基准。随后开展9组不同工艺参数的成形实验，并采集逐层成形图像，表征成形质量，构建“工艺参数—成形层形貌—成形质量”之间的定量关联。基于采集的图像数据构建多模态增强数据集(包括几何增强、噪声注入与光照调整)，并采用YOLOv5s模型学习成形层光学特征与能量输入状态之间的映射关系，实现对成形质量区间的在线识别与预测。实验结果表明，模型在100个Epoch训练后，可对高、中、低能量密度形貌的识别达到 97% 以上准确率(mAP>0.90)。研究揭示了成形工艺参数驱动下的成形质量与成形层光学形貌之间的对应关系，为LPBF过程质量在线监测与实时调控提供了可工程化的技术路径。

来源：2026年第3期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2026年第3期