Pesquisa sobre reconhecimento característico e quantificação de resíduo interno de pó em estruturas porosas LPBF com base em processamento de imagem

Por que o pó oculto em peças impressas em 3D é importante

A impressão 3D de metal está deixando rapidamente o laboratório e entrando em aeronaves, automóveis e até implantes ósseos. Mas dentro de muitas dessas peças intrincadas e tipo-esponja, grãos de pó remanescentes podem ficar presos e invisíveis, enfraquecendo a estrutura e apresentando risco de falha em serviço. Este artigo apresenta uma nova maneira de “ver” e medir automaticamente esse pó oculto, usando imagens avançadas de raios X e processamento inteligente de imagem, com o objetivo de tornar peças metálicas impressas em 3D mais seguras e confiáveis.

A promessa e o problema das peças metálicas porosas

A Fusão por Leito de Pó a Laser (LPBF) constrói componentes metálicos camada por camada a partir de pó fino, possibilitando formas porosas complexas ideais para estruturas leves e implantes que imitam osso. Neste estudo, os autores concentram-se em andaimes porosos de zinco cuja anel externo imita osso denso e cuja região interna imita o interior esponjoso. No entanto, em interiores labirínticos assim o laser não alcança completamente todos os cantos, e pequenas partículas de pó podem permanecer não fundidas ou apenas parcialmente fundidas às paredes. Esses resíduos podem entupir canais de fluido, concentrar tensões, alterar como o material se dissolve lentamente no corpo e até provocar inflamação. Detectar e quantificar esse pó preso no interior do metal sólido é, portanto, essencial tanto para a segurança mecânica quanto para o desempenho biológico.

Olhar por dentro com raios X e fatias digitais

Entre os métodos de inspeção não destrutiva, a tomografia computadorizada por raios X (TC) se destaca porque consegue ver dentro de metais densos e reconstruir uma vista tridimensional completa. Os pesquisadores escanearam andaimes cilíndricos de zinco com resolução micrométrica, fatiando o volume 3D em milhares de imagens 2D. Eles escolheram seções transversais na direção que melhor revelava o padrão interno repetitivo. Nessas fatias, metal, poros vazios e pó residual aparecem como regiões com diferentes níveis de cinza. Mas percorrer manualmente mais de mil imagens, ajustando limiares visualmente em software comercial, é lento, subjetivo e frequentemente impreciso — especialmente quando o contraste da imagem é baixo ou o brilho varia de fatia para fatia.

Ensinando um computador a encontrar o pó

Para superar essas limitações, a equipe construiu um fluxo de detecção automatizado em MATLAB que combina processamento clássico de imagem com aprendizado profundo. Primeiro, cada fatia de TC é cuidadosamente pré-processada: as imagens são padronizadas para um formato comum, recortadas para remover fundo vazio, denoised, com contraste melhorado e realçadas para que poros, esqueleto sólido e grãos de pó se destaquem mais claramente. Em seguida, um algoritmo Otsu de limiar duplo recém-projetado varre o histograma de níveis de cinza e divide automaticamente cada pixel em três categorias: poro aberto, estrutura sólida ou candidato a pó. Ao usar dois limiares em vez de um, o método separa melhor diferenças sutis de cinza entre metal sólido e pó aderido, que muitas vezes se sobrepõem em brilho.

Acrescentando aprendizado profundo para detalhes finos

Apenas limiarização ainda tem dificuldade com bordas borradas e regiões de baixo contraste, então os autores treinam uma U-Net, um modelo de aprendizado profundo amplamente usado em imagens médicas. Primeiro eles geram rótulos provisórios com seu método de limiar duplo e depois um especialista refina cerca de 300 fatias representativas manualmente, criando exemplos de alta qualidade do que é e do que não é pó residual. A U-Net aprende com esses exemplos a reconhecer padrões de pó nas fatias de TC, incluindo partículas livres, grãos semi-fundidos parcialmente presos às paredes e aglomerados maiores ligados. No sistema final, a etapa de limiar duplo fornece um mapa grosseiro, e a U-Net limpa as fronteiras e corrige erros sutis. Operações morfológicas removem ainda pequenos ruídos preservando aglomerados significativos.

Das imagens para decisões sobre limpeza

Uma vez segmentadas as regiões de pó, o software reconstrói suas formas 3D e mede propriedades como volume, localização e distribuição de tamanho de partículas, além de calcular a porosidade geral. Em comparação com uma medição por picnômetro por deslocamento de fluido, os valores de porosidade baseados em TC concordam de forma estreita, e o novo método supera claramente tanto o fluxo de trabalho popular do ImageJ quanto a inspeção totalmente manual. Processar 1.463 imagens de TC leva cerca de 12 minutos com o pipeline MATLAB, contra 4 horas no ImageJ e 6 horas manualmente, enquanto a precisão de reconhecimento alcança aproximadamente 86–89%. Os autores também testaram o sistema sob estresse variando limiares e adicionando ruído, e descobriram que a abordagem combinada limiar duplo + U-Net permanece robusta. Finalmente, eles vinculam os mapas 3D de pó a regras simples que recomendam estratégias de limpeza adequadas, como vibração ultrassônica para pó solto em canais profundos ou tratamento químico mais jateamento para grãos mais fortemente aderidos.

O que isso significa para peças impressas em 3D mais seguras

Em termos práticos, o estudo mostra como transformar pilhas de fatias cinza de raios X em orientação prática para limpar e qualificar peças metálicas impressas em 3D complexas. Ao identificar automaticamente onde e quanto pó permanece dentro de estruturas porosas, e fazendo isso muito mais rápido que um especialista humano, o método estabelece a base para um conjunto de ferramentas integrado de “detectar-identificar-limpar”. Embora o trabalho atual se concentre em andaimes de zinco com padrão regular, a ideia subjacente — usar diferenças de nível de cinza na TC e aprendizado de máquina para rastrear pó residual — poderia ser estendida a outros metais e geometrias. À medida que a impressão 3D metálica avança para implantes críticos e componentes de alto desempenho, pipelines inteligentes de inspeção como este serão fundamentais para garantir que aquilo que não vemos internamente não comprometa segurança e função.

Citação: 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

Palavras-chave: fusão a laser em leito de pó, andaimes metálicos porosos, tomografia computadorizada, segmentação de imagem, pó residual