Görüntü işleme tabanlı LPBF gözenekli yapıda iç toz kalıntısının karakteristik tanınması ve nicelenmesi üzerine araştırma

3B baskılı parçalardaki gizli toz neden önemlidir

Metal 3B baskı, laboratuvardan uçaklara, otomobillere ve hatta kemik implantlarına hızla geçiyor. Ancak bu karmaşık, sünger benzeri parçaların içinde kalan toz tanecikleri sıkışmış ve görünmez durumda kalabiliyor; bu da yapıyı zayıflatıp kullanım sırasında arızaya yol açabiliyor. Bu makale, gelişmiş X-ışını görüntülemesi ve akıllı görüntü işleme kullanarak o gizli tozu otomatik biçimde "görme" ve ölçme için yeni bir yol sunuyor; amaç 3B baskılı metal parçaları daha güvenli ve güvenilir hale getirmek.

Gözenekli metal parçaların vaatleri ve sorunları

Lazer Toz Yatağı Füzyonu (LPBF), ince tozdan katman katman metal bileşenler üreterek hafif yapılar ve kemik benzeri implantlar için ideal olan karmaşık gözenekli şekillere imkan tanır. Bu çalışmada yazarlar, dış halkası yoğun kemiği taklit eden ve iç bölgesi süngerimsi iç yapıyı andıran gözenekli çinko iskeletlere odaklanıyor. Ancak böyle labirentimsi iç bölgelerde lazer her köşeye tam olarak ulaşamaz ve küçük toz parçacıkları erimeyebilir veya sadece kısmen duvarlara yapışmış halde kalabilir. Bu kalıntılar akış kanallarını tıkayabilir, gerilimi yoğunlaştırabilir, malzemenin vücutta yavaşça çözünme biçimini bozabilir ve hatta iltihaba neden olabilir. Bu nedenle metalin derinliklerinde sıkışmış tozları tespit etmek ve nicelendirmek hem mekanik güvenlik hem de biyolojik performans için hayati önem taşır.

X-ışınları ve dijital dilimlerle içine bakmak

Yıkıcı olmayan muayene yöntemleri arasında X-ışını bilgisayarlı tomografi (CT), yoğun metallerin içini görebilmesi ve tam üç boyutlu bir görünüm yeniden inşa edebilmesi nedeniyle öne çıkar. Araştırmacılar, mikrometre çözünürlükte silindirik çinko iskeletleri tarayarak 3B hacmi binlerce 2B görüntüye dilimlediler. Tekrarlayan iç deseni en iyi ortaya koyan yönde kesitler seçtiler. Bu dilimlerde metal, boş gözenekler ve kalıntı toz farklı gri tonlarında bölgeler olarak görünür. Ancak binlerce görüntüyü elle incelemek, ticari yazılımlarda eşiği gözle ayarlamak yavaş, sübjektif ve özellikle görüntü kontrastı düşük olduğunda veya dilimler arasında parlaklık değiştiğinde sıklıkla hatalıdır.

Tozu bulması için bir bilgisayarı eğitmek

Bu sınırlamaların üstesinden gelmek için ekip, klasik görüntü işleme ile derin öğrenmeyi birleştiren MATLAB tabanlı otomatik bir tespit hattı kurdu. Önce her CT dilimi özenle ön işlenden geçer: görüntüler ortak bir formata standartlaştırılır, boş arka plan kırpılır, gürültü giderilir, kontrast artırılır ve gözenekler, katı iskelet ile toz tanecikleri daha net çıkacak şekilde keskinleştirilir. Ardından yeni tasarlanmış çift eşikli Otsu algoritması gri seviye histogramını tarar ve her pikseli otomatik olarak üç kategoriye ayırır: açık gözenek, katı iskelet veya toz adayı. Tek eşik yerine iki eşik kullanmak, genellikle parlaklıkta örtüşen katı metal ile sıkışmış toz arasındaki ince gri farklılıkları daha iyi ayırmaya yardımcı olur.

İnce detaylar için derin öğrenme eklemek

Yalnızca eşikleme, puslu kenarlar ve düşük kontrastlı bölgelerle hâlâ zorlanır; bu yüzden yazarlar, tıpta yaygın olarak kullanılan U-Net adlı bir derin öğrenme modelini eğitiyorlar. Önce çift eşik yöntemiyle taslak etiketler oluşturuyor, ardından bir uzman yaklaşık 300 temsilci dilimi elle düzelterek kalıntı tozun ne olduğu ve ne olmadığına dair yüksek kaliteli örnekler yaratıyor. U-Net, bu örneklerden CT dilimlerindeki toz kalıplarını—serbest parçacıklar, duvarlara kısmen yapışmış yarı-erimiş tanecikler ve daha büyük bağlı kümeler dahil—tanımayı öğreniyor. Nihai sistemde çift eşik adımı kaba bir harita sağlıyor; U-Net sınırları temizliyor ve ince hataları düzeltiyor. Morfolojik işlemler ise küçük gürültü noktalarını anlamlı aglomeraları koruyarak uzaklaştırıyor.

Görüntülerden temizleme kararlarına

Toz bölgeleri segmentlendikten sonra yazılım bunların 3B şekillerini yeniden oluşturur ve hacim, konum ve parçacık boyutu dağılımı gibi özellikleri ölçer; ayrıca genel poroziteyi hesaplar. Piknometre sıvı yer değiştirme ölçümüyle karşılaştırıldığında, CT tabanlı porozite değerleri yakın bir uyum gösterir ve yeni yöntem hem popüler ImageJ iş akışından hem de tamamen elle yapılan muayeneden belirgin şekilde daha iyi performans sergiler. 1.463 CT görüntüsünün işlenmesi MATLAB hattı ile yaklaşık 12 dakika sürerken ImageJ’de 4 saat ve elle 6 saat alıyor; tanıma doğruluğu yaklaşık %86–89 civarına ulaşıyor. Yazarlar ayrıca eşikleri değiştirerek ve gürültü ekleyerek sistemi stres testine tabi tutmuş ve çift eşik artı U-Net yaklaşımının sağlamlığını koruduğunu bulmuşlar. Son olarak 3B toz haritalarını, kanallardaki gevşek toz için ultrasonik titreşim veya daha sıkı yapışmış tanecikler için kimyasal işlem artı püskürtme gibi uygun temizleme stratejilerini öneren basit kurallarla ilişkilendiriyorlar.

Güvenli 3B baskılı parçalar için ne anlama geliyor

Düz bir ifadeyle çalışma, gri X-ışını dilim yığınlarını karmaşık 3B baskılı metal parçaları temizleme ve uygunluk konusunda pratik rehbere dönüştürmenin yolunu gösteriyor. Gözenekli yapılarda nerede ve ne kadar toz kaldığını otomatik olarak tespit ederek ve bunu bir insan uzmandan çok daha hızlı yaparak yöntem, "tespit-et-tanımla-temizle" entegre bir araç seti için zemin hazırlıyor. Mevcut çalışma düzenli desenli çinko iskeletlere odaklansa da temel fikir—CT gri seviye farkları ve makine öğrenimi kullanılarak kalıntı tozun izlenmesi—diğer metallere ve şekillere genişletilebilir. Metal 3B baskı kritik implantlara ve yüksek performanslı bileşenlere doğru ilerlerken, içte göremediklerimizin güvenlik ve işlevselliği tehlikeye atmasını önleyecek böyle akıllı muayene hatları kilit önemde olacak.

Atıf: 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

Anahtar kelimeler: lazer toz yatağı füzyonu, gözenekli metal iskeletler, bilgisayarlı tomografi, görüntü segmentasyonu, kalıntı toz