增材制造过程监控：别等零件报废了才想起看熔池

上个月跟一位做激光粉末床熔融的朋友吃饭。他一脸疲惫。说刚打完一个钛合金叶轮，二十多个小时，拆下来一看，边缘翘了。问我：过程监控到底能不能提前喊停？我说能。但先别急着买一堆传感器。真的。

增材制造过程监控这事，实验室里讲得热闹，产线上却常常卡在几个很土的问题：信号采到了没有？采到了看得懂吗？看懂了敢不敢闭环？别笑。这三步，每一步都能让人掉头发。

熔池信号先看清楚，再谈AI

激光粉末床熔融的熔池，小、亮、跑得快。同轴高速摄像能拍到熔池形态，帧率拉到几千赫兹不稀奇；红外热像能看温度场，但采样率往往低一截。两个信号放在一起，时间对齐就是第一道坎。熔池监控的关键不是传感器多贵，而是信号能不能稳定对应到具体扫描位置。位置对不上，后面算法再花哨也白搭。

这两年国内团队在同轴高速成像和红外测温融合上做了不少工作。有的用熔池面积、长宽比、辐射强度做特征，再喂给分类器识别孔隙和未熔合。听着挺顺。可现场粉末反光、保护气流、镜头污染，都会让信号漂移。实验室跑通，不等于产线稳。说实话，镜头脏一次，模型就可能开始胡说。

激光粉末床熔融熔池同轴高速摄像监控画面

还有声发射。灵敏度高，能捕捉裂纹萌生和粉层扰动。问题是信噪比。设备一开，风机、振镜、铺粉刮刀，全是声音。想从这堆噪声里捞出缺陷信号，特征提取和滤波得下功夫。去年看到某团队用声发射加卷积网络做未熔合识别，准确率拉到九成以上。有点东西。但样本量、材料批次、设备状态一变，模型还能不能扛？得打个问号。

铺粉这层没看住，后面全是补救

很多人一提高端监控就盯着熔池。可铺粉层才是每天都要面对的事。刮刀划痕、粉末团聚、缺粉、异物、层间错位……这些缺陷在铺粉阶段就能看见。机器视觉加线激光，或者结构光，做层间检测，成本比熔池监控低不少。铺粉层检测是增材制造过程监控里性价比很高的一环。别嫌它土。真能少废几件。

金属增材制造铺粉层缺陷机器视觉检测系统示意图

不过话说回来，粉末床反光厉害，光照一变，图像阈值就飘。算法得做鲁棒性。还有节拍。铺粉就那么几秒，检测不能拖。有的团队把轻量网络塞到边缘端，现场跑推理，这个路子对。别什么都往云端传。数据量大得吓人。一张图不大，一层一层叠起来，一个零件就是海量数据。存储和标注成本，谁做谁知道。

我见过一个项目，铺粉图像采了半年，标注只标了不到百分之五。老板问为什么不上AI。工程师苦笑：先给数据打标吧。这话难听，但真实。过程监控的瓶颈经常不在算法，而在数据闭环。缺陷样本少、类别不平衡、标注标准不统一，都是坑。

多传感器融合听着香，落地先过三关

多传感器融合是这两年的热词。熔池、红外、声发射、OCT、机器视觉一起上，听着像全能选手。真做起来，第一关是时间同步。不同传感器的采样率、触发方式、延迟都不一样。第二关是空间配准。熔池信号对应扫描振镜坐标，层间图像对应粉末床坐标，得统一到零件坐标系。第三关是数据治理。格式、元数据、版本、追溯，少一样都难受。

增材制造过程监控多传感器融合数据采集架构图

OCT层析这两年挺受关注。能逐层扫描，分辨率到微米级，对层间缺陷和表面形貌有优势。但扫描速度和视场是限制。不是所有设备都能轻松集成。科研成果很漂亮，工程化还得看节拍和成本。别被论文里的完美曲线骗了。现场没有那么多理想条件。

机器学习在过程监控里确实有用。分类、回归、异常检测，都能上。可可解释性是个绕不开的问题。产线敢不敢让一个黑箱模型决定停机？多数时候不敢。所以现在不少方案做的是“报警+人工复核”，不是全自动闭环。这个定位务实。先把人从盯屏幕里解放出来，再谈自主决策。

闭环控制不是神话，但别拿它当万能药

闭环控制听起来很终极：发现缺陷，调激光功率、调扫描速度、调层间等待时间。理论上可行。实际难在热历史太复杂。你这一层降功率，下一层可能欠熔合；你调扫描速度，残余应力又变了。增材制造过程监控的闭环，更适合做局部补偿和工艺窗口收窄，不是一键消灭所有缺陷。谁要是说能包治百病，先让他连续打印一百件同款零件看看。

行业动态也在变。设备商开始把熔池监控、铺粉检测做成模块化选项。有的强调实时可视化，有的强调缺陷标记和切片回溯。方向是好的。但用户得问清楚：数据能不能导出？接口开不开放？算法能不能自己迭代？别买回来一个黑盒，最后只能看个热闹。

标准组织在推术语、数据格式和性能评价。这是好事。没有统一评价，各家都说自己准确率高，没法比。科研成果要转化成产线信任，得靠可重复的测试和透明的指标。比如缺陷检出率、误报率、提前预警时间、数据延迟。这些比PPT上的架构图有用。

给想上监控的团队几句实话

给想上监控的团队几句实话

第一，别一上来就全都要。先选一个最痛的点。是铺粉缺陷多？还是熔池未熔合多？还是翘曲开裂？单机、单材料、单工艺窗口先跑通小闭环。第二，传感器装上去只是开始。标定、清洁、维护、更换，都是长期成本。第三，数据标注别等事后补。采数据的时候就把元数据、缺陷标签、工艺参数绑在一起。第四，算法指标要看产线节拍。离线准确率再高，推理慢半秒也可能没用。

还有一点。过程监控不是质检的替代品。它是提前发现问题的眼睛，不是事后免责的挡箭牌。CT、金相、拉伸该做还得做。监控数据可以和这些结果做关联，慢慢建立缺陷图谱。这个积累很慢。但值。

说到底，增材制造过程监控是个交叉活。光学、声学、材料、控制、软件，缺一块都别扭。它也不是买一台设备就能解决的事。更像是把工艺know-how一点点变成可观测、可追溯、可复现的数据资产。急不得。可一旦跑通，废品率下降和交付周期缩短，都是实打实的。对吧？