画像処理に基づくLPBF多孔質構造内残粉の特徴認識と定量化に関する研究

3Dプリント部品内部の隠れた粉が重要な理由

金属の3Dプリンティングは研究室の領域から航空機、自動車、さらには骨インプラントへと急速に実用化が進んでいます。しかしこうした複雑でスポンジ状の部品の内部には、粉末粒子が見えないまま閉じ込められて残留し、構造を弱めたり運用時に破損を引き起こしたりするリスクがあります。本論文は、高度なX線撮像と洗練された画像処理を組み合わせて、その隠れた粉末を自動的に“可視化”し測定する新しい手法を提示し、金属3Dプリント部品の安全性と信頼性向上を目指しています。

多孔質金属部品の可能性と課題

レーザーパウダーベッド溶融（LPBF）は微細な粉末から層ごとに金属部品を形成でき、軽量構造や骨に似せたインプラントなど複雑な多孔形状を実現します。本研究では、外周が緻密な骨を模し内部が海綿状になった多孔質亜鉛スキャフォールドに注目しています。しかし迷路のような内部ではレーザーがすべての隙間に届かず、微小な粉末が未溶融のまま、あるいは壁に部分的に付着した状態で残ることがあります。これらの残留物は流路を詰まらせたり応力を集中させたり、体内での溶解挙動を乱したり炎症を誘発したりするため、金属内部に閉じ込められた粉末を検出・定量化することは機械的安全性および生体的性能の両面で不可欠です。

X線とデジタルスライスで内部を覗く

非破壊検査法の中で、X線コンピュータ断層撮影（CT）は密な金属内部を可視化し三次元的に再構成できる点で優れています。研究者らは円筒状の亜鉛スキャフォールドをマイクロメートル分解能でスキャンし、三次元ボリュームを数千枚の二次元スライスに分割しました。内部の繰り返しパターンが最もよく見える方向の断面を選び、これらのスライス上で金属、空孔、残留粉末は異なるグレーレベルとして現れます。しかし、千枚を超える画像を人手で確認し、商用ソフトで目視に頼って閾値を決める作業は遅く、主観的で、多くの場合コントラストが低いかスライスごとに明るさが変動すると不正確になります。

コンピュータに粉を見つけさせる

こうした限界を克服するために、研究チームは古典的画像処理と深層学習を組み合わせたMATLABベースの自動検出パイプラインを構築しました。まず各CTスライスを慎重に前処理します：画像を共通フォーマットに標準化し、背景を切り取り、ノイズ除去、コントラスト強調、シャープ化を施して孔、固体骨格、粉粒がより明瞭になるようにします。次に新たに設計した二重閾値Otsuアルゴリズムがグレーレベルのヒストグラムを走査し、各画素を開孔、固体フレームワーク、候補粉末の三つに自動分類します。単一の閾値ではなく二つの閾値を用いることで、しばしば輝度が重なる固体金属と付着粉末の微妙な灰色差をよりよく分離できます。

細部には深層学習を加えて

閾値処理だけではぼやけたエッジや低コントラスト領域でなお課題が残るため、著者らは医療画像で広く用いられるU-Netを訓練しました。まず二重閾値法で草案ラベルを生成し、そこから専門家が代表的な約300枚のスライスを手作業で精査して高品質な正解例を作成します。U-Netはこれらから学習し、自由粒子、壁に部分的に付着した半溶融粒子、より大きな凝集塊など、CTスライス上の粉末パターンを認識するようになります。最終システムでは、二重閾値段階が大まかな地図を提供し、U-Netが境界を精緻化して微細な誤りを訂正します。さらに形態学的演算により意味のある凝集体を保持しつつ小さなノイズ点を除去します。

画像から洗浄判断へ

粉末領域がセグメント化されると、ソフトウェアはそれらの三次元形状を再構成し、体積、位置、粒径分布といった特性を計測しつつ全体の空隙率も算出します。ピクノメーターによる液体置換測定と比較して、CTベースの空隙率値は良く一致し、新手法は一般的なImageJワークフローや完全な手作業検査を明確に上回りました。1,463枚のCT画像の処理はMATLABパイプラインで約12分、対してImageJで4時間、手作業で6時間かかり、認識精度は概ね86〜89%に達しました。著者らは閾値を変えノイズを加えるなどの耐性試験も行い、二重閾値とU-Netの組合せが堅牢であることを示しました。最後に得られた三次元粉末マップを用いて、深いチャネル内の緩い粉末には超音波振動、より強固に付着した粒子には化学処理＋ブラストなど、適切な洗浄戦略を推奨する簡単なルールを提示しています。

より安全な3Dプリント部品のために意味すること

平たく言えば、本研究は多数の灰色のX線スライスを、複雑な3Dプリント金属部品の洗浄・適合化に役立つ実用的指針へと変換する方法を示しています。多孔質構造のどこにどれだけ粉末が残っているかを自動で特定し、人間の専門家よりはるかに速く行えることで、「検出—識別—洗浄」の統合ツールキットの基盤を築きます。現状は規則的なパターンをもつ亜鉛スキャフォールドを対象としていますが、CTのグレーレベル差と機械学習を用いて残留粉を追跡する基本的考え方は他の金属や形状にも拡張可能です。金属3Dプリントが重要なインプラントや高性能部品へと進む中、見えない内部が安全性や機能を損なわないようにするために、この種の知的検査パイプラインは重要な役割を果たすでしょう。

引用: Shi, W., Cao, S., Hou, Q. et al. Research on characteristic recognition and quantification of internal powder residue in LPBF porous structure based on image processing. Sci Rep 16, 13247 (2026). https://doi.org/10.1038/s41598-026-40479-6

キーワード: レーザーパウダーベッド溶融, 多孔質金属スキャフォールド, コンピュータ断層撮影, 画像セグメンテーション, 残留粉末