Междисциплинарное исследование, проведенное биоинженерами Центра трансформационной биомиметики в биоинженерии Квинслендского технологического университета (QUT) и профессором Полом Далтоном из Орегонского университета, выявило преимущества интеграции искусственного интеллекта (ИИ) и машинного зрения в 3D-принтеры для производства индивидуальных медицинских имплантатов.
Команда считает, что создание 3D-принтера для электролитической обработки расплава (MEW - Melt ElectroWriting) такими «глазами и мозгами», которые, по сути, могут видеть и изучать, позволит изготавливать тканевые имплантаты на заказ, соответствующие потребностям отдельных пациентов. Интеграция искусственного интеллекта и машинного обучения также поможет системе печатать сердечные клапаны и мягкую робототехнику.
«Имплантаты и устройства, производимые традиционными методами производства, обычно бывают стандартных размеров», - сказал директор центра и заслуженный профессор Дитмар В. Хутмахер. «Однако перед тем, как 3D-печать преобразит передовое производство имплантатов и медицинских устройств, нам необходимо преодолеть несколько технических проблем».
В ходе своего исследования команда работает над тем, чтобы использовать преимущества 3D-печати для ряда конструкций биоразлагаемых медицинских устройств, которые никогда широко не печатались раньше, таких как сердечные клапаны, костные каркасы, мембраны для тканевой инженерии зубов и мягкие роботы для минимальной инвазивная хирургия.
«Коммерчески доступные 3D-принтеры обычно предлагают только высокоскоростные, высокоточные или медицинские биоматериалы, и редко они предлагают все три», - пояснил Хутмахер. «Это ограничивает их пригодность в качестве производственной платформы для медицинских устройств, таких как биоразлагаемые каркасы для тканевой инженерии. Добавление искусственного интеллекта и машинного зрения к 3D-печати меняет эту парадигму».
MEW - это технология аддитивного производства с высоким разрешением, позволяющая точно записывать волокна малого диаметра прямо на коллектор. MEW отличается от других технологий 3D-печати на основе экструзии расплава электрогидродинамически стабилизированной струей расплава, которая обеспечивает микромасштабное разрешение волокна от 0,8 до 50 микрон.
По словам Хутмахера, сопло принтера намеренно поднято над коллектором, чтобы обеспечить идеальную точку визуального доступа для текущего контроля во время печати по сравнению с другими технологиями 3D-печати.
Чтобы предоставить принтеру MEW «глаза и мозги, которых ему до сих пор не хватало», команда объединила свой 3D-принтер MEW с системами машинного зрения и машинного обучения.
По словам Хутмахера, система машинного зрения всесторонне отображает траекторию полёта экструдированного волокна для исправления ошибок в режиме реального времени, в то время как система машинного обучения использует эту информацию для прогнозирования диаметра волокна каркаса и изготовления более точных конечных продуктов.
«Обработка высокоэффективных материалов, таких как биоматериалы медицинского назначения для имплантатов, очень сложна и требует точной настройки всех параметров процесса, поэтому мы внимательно следим за процессом 3D-печати», - пояснил он. «Используя ИИ, мы можем оценить этот поток данных и выявить скрытые взаимосвязи параметров печати, которые не распознаются людьми».
Рассматривая продвижение аддитивного производства металла от прототипа к производству, инженеры признали, что ключевым фактором в этом переходе стало внедрение машинного зрения - метода мониторинга и анализа в процессе, который предоставляет данные в реальном времени во время процесса печати.
В случае 3D-печати металлом это значительно улучшает качество и воспроизводимость производимых деталей и позволяет продвигать процесс через уровни технологической готовности (TRL). Таким образом, они надеются, что внедрение машинного зрения в их систему MEW позволит технологии достичь уровня управления процессом, способного обеспечить воспроизводимые результаты и, в конечном итоге, промышленные применения.
В ходе исследования команда продемонстрировала, как машинное зрение позволяет собирать и анализировать важную и тонкую визуальную информацию для улучшения и расширения прецизионных возможностей MEW. Стабильность струи MEW была проанализирована с использованием четырех различных сред электрического поля, что привело к усовершенствованному протоколу управления электрическим полем принтера для изготовления конструкций с более толстым слоем.
Исследование дополнительно подчеркнуло важность мониторинга в реальном времени объема конуса Тейлора, который относится к форме конуса, наблюдаемой в электропроводящей жидкости при воздействии электрического поля, для лучшего понимания, контроля и прогнозирования нестабильности печати для MEW.
Интеграция машинного зрения и искусственного интеллекта также приближает технологию к управлению с обратной связью, значительно ускоряя её готовность, заявили исследователи.
«Именно в этом заключается преимущество искусственного интеллекта: он может быстро обрабатывать очень большие объемы данных, задача, которая слишком монотонна и, следовательно, трудна для человеческого мозга», - сказал Хутмахер. «Эти новые достижения могут трансформировать принтеры MEW, которые теперь смогут аддитивно производить медицинские устройства и имплантаты, которые никогда раньше не печатались».
Дополнительную информацию об исследовании можно найти в статье «Конвергенция машинного зрения и электрохимической обработки расплава», опубликованной в журнале Advanced Materials. Соавторами исследования являются П. Мещанек, Т. Робинсон, П. Дальтон и Д. Хутмахер.
Прогностическая сила машинного обучения всё чаще используется во многих аспектах 3D-печати. Эта технология ранее использовалась для улучшения контроля качества в 3D-печати, для разработки новых сплавов для 3D-печати, а также, среди прочего, для лучшего понимания прочности на сжатие строительных материалов, напечатанных на 3D-принтере.
В 2019 году разработчик программного обеспечения для 3D-печати 3YOURMIND получил 1,3 миллиона евро на интеграцию машинного обучения в рабочий процесс аддитивного производства, а производитель 3D-принтеров Admatec запустил надстройку системы наблюдения за процессами для своего модульного 3D-принтера из керамики и металла.
Совсем недавно инструменты машинного обучения были использованы исследователями из инженерной школы Тандона Нью-Йоркского университета для обратного проектирования компонентов 3D-печати из стекла и углеродного волокна, а команда из Аргоннской национальной лаборатории и Техасского университета A&M использовала машинное обучение для прогнозирования дефектов в LPBF-печатных деталях.