RAISE-LPBF

RAISE-LPBF数据集由Flanders Make vzw创建，专注于粉末床熔融（LPBF）过程中激光参数的重建。该数据集包含12个316L不锈钢圆柱体对象，每个对象有669层随机化的激光扫描线数据。数据集通过高帧率（20k FPS）的轴向视频监控生成，旨在研究激光功率和速度对打印质量的影响。创建过程中，激光参数独立采样，以模拟不同参数选择间的相互作用。数据集主要用于机器学习模型的训练和异常检测，旨在提高LPBF过程的监控和控制精度，减少生产缺陷。

RAISE-LPBF dataset was developed by Flanders Make vzw, focusing on the reconstruction of laser parameters during the laser powder bed fusion (LPBF) process. This dataset encompasses 12 cylindrical 316L stainless steel specimens, each with 669 layers of randomized laser scan line data. Generated via high-frame-rate (20k FPS) in-situ axial video monitoring, it aims to explore the impacts of laser power and scanning speed on printed part quality. During dataset construction, laser parameters were independently sampled to simulate the interactions among different parameter configurations. This dataset is primarily designed for training machine learning models and anomaly detection, with the goal of improving the monitoring and control accuracy of the LPBF process and minimizing production defects.

搜集汇总

数据集介绍

构建方式

RAISE-LPBF数据集通过在粉末床融合（LPBF）过程中对316L不锈钢块材料进行激光功率和激光点速度的全面参数扫描构建而成。该数据集利用高速轴向视频进行过程监控，并采用计算机视觉技术从视频中重建激光参数。每个扫描线的过程参数均从连续分布中独立采样，以便研究不同参数选择之间的相互作用。数据集的构建旨在为LPBF过程的统计特性分析以及异常检测器的构建提供基础数据。

使用方法

RAISE-LPBF数据集适用于多种应用场景，包括激光参数重建、异常检测和缺陷预测等。用户可以通过提供的示例源代码加载数据，并利用基准机器学习模型进行初步分析。数据集的HDF5格式支持随机访问，便于进行大规模数据处理和模型训练。此外，数据集还提供了公开的基准测试平台，用户可以在该平台上提交和评估自己的模型，进行性能比较和优化。

背景与挑战

背景概述

RAISE-LPBF数据集由Cyril Blanc、Ayyoub Ahar和Kurt De Grave于2023年创建，旨在解决激光粉末床熔融（LPBF）过程中激光参数的重建问题。该数据集通过高帧率轴向视频监控316L不锈钢块材料的LPBF过程，系统地扫描了激光功率和激光点速度，以研究不同参数选择之间的相互作用。RAISE-LPBF不仅为LPBF的统计特性提供了基础，还为构建异常检测器提供了数据支持。该数据集的发布对增材制造领域的研究具有重要意义，特别是在实时监控和缺陷预测方面。

当前挑战

RAISE-LPBF数据集面临的挑战主要集中在两个方面：一是激光参数重建的准确性，由于激光点速度高达1500毫米/秒，监控系统需要在极短时间内处理大量数据，这对计算能力和算法精度提出了高要求；二是数据集构建过程中的技术难题，如高帧率摄像机的使用、数据同步和处理等，这些都需要复杂的硬件集成和优化解决方案。此外，数据集的公开和基准测试的建立也为研究人员提供了公平的比较平台，但同时也要求模型在处理速度和精度之间找到平衡。

常用场景

经典使用场景

RAISE-LPBF数据集的经典使用场景主要集中在激光粉末床熔融（LPBF）过程中激光参数的重建。通过高帧率轴向视频监控，研究人员能够利用计算机视觉技术从视频中提取关键的激光功率和激光点速度信息。这种数据集的典型应用包括开发和验证用于实时监控和控制LPBF过程的机器学习模型，从而提高打印质量和减少缺陷。

解决学术问题

RAISE-LPBF数据集解决了在LPBF过程中实时监控和控制激光参数的学术难题。传统的监控方法依赖于启发式调整，成本高且效率低。该数据集通过提供详细的激光参数数据，使得研究人员能够开发出基于机器学习和计算机视觉的自动化监控系统，从而在打印过程中实时预测和纠正缺陷，显著提升了打印质量和生产效率。

实际应用

在实际应用中，RAISE-LPBF数据集被广泛用于开发和优化LPBF打印机的监控系统。通过分析高帧率视频数据，制造商能够实现对激光功率和速度的精确控制，从而减少打印缺陷和提高产品质量。此外，该数据集还支持开发智能反馈控制系统，能够在打印过程中实时调整激光参数，确保每一层打印的精确性和一致性。

数据集最近研究

最新研究方向

在粉末床熔融（LPBF）技术领域，RAISE-LPBF数据集的最新研究方向聚焦于从轴向视频中重建激光参数。这一研究不仅涵盖了对激光功率和激光点速度的全面参数扫描，还通过高速轴向视频进行过程监控，并利用计算机视觉技术进行激光参数的重建。此外，该数据集的公开性和基准测试的提供，为机器学习模型的训练和评估提供了坚实的基础。这些研究不仅有助于理解LPBF过程中的微观结构异常和生产缺陷，还为开发自动化监控系统提供了新的可能性，从而在实时监控和反馈控制中实现更高的精度和效率。

相关研究论文

• Reference Dataset and Benchmark for Reconstructing Laser Parameters from On-axis Video in Powder Bed Fusion of Bulk Stainless Steel

  Flanders Make vzw · 2024年