基于 AI 边缘计算的增材制造过程原位监测
图像与视频处理
2023-01-03 v1
摘要
原位监测系统可用于监控增材制造(AM)过程的质量。在基于数字图像相关(DIC)的原位监测系统中,使用高速相机捕获高分辨率图像。本文提出了一种新颖的原位监测系统,利用人工智能(AI)边缘计算板加速数字图像处理过程。其构建了基于视觉Transformer的视频超分辨率(ViTSR)网络来重建高分辨率(HR)视频帧。采用全卷积网络(FCN)同步提取AM过程中熔池与等离子弧的几何特征。与6种最先进的超分辨率方法相比,ViTSR在峰值信噪比(PSNR)上排名第一。在输入尺寸为75像素×75像素的测试数据上,ViTSR进行4倍超分辨率的PSNR达到38.16 dB。经算子融合与模型剪枝后,ViTSR与FCN在AI边缘板上的推理时间分别优化至50.97 ms和67.86 ms。所提系统的总推理时间为118.83 ms,满足了AM过程中低成本原位监测设备实时质量监测的需求。该系统在多目标提取任务上达到96.34%的准确率,可应用于不同的AM过程。
引用
@article{arxiv.2301.00554,
title = {In-situ monitoring additive manufacturing process with AI edge computing},
author = {Wenkang Zhu and Hui Li and Yikai Zhang and Yuqing Hou and Liwei Chen},
journal= {arXiv preprint arXiv:2301.00554},
year = {2023}
}