金屬增材制造作為一種高效率、高精度、低損耗的復雜金屬零件加工制造方法，在航空航天、汽車船舶、生物醫學工程等領域的應用前景十分廣闊。

金屬增材制造技術是一種與“減材制造”相反的，依據三維模型數據，通過連接金屬材料（通常逐層連接）而獲得制件的加工工藝。按照金屬熔合方式不同，金屬增材制造技術可分為“直接法”和“間接法”兩種。

其中“直接法”利用高溫熱源直接熔化金屬實現凝固成形，制件的成形精度、致密度及力學性能比較優良，包括選擇性激光熔化（SLM）、電弧增材制造（WAAM）、電子束熔絲沉積（EBDM）等。

“間接法”主要采用低熔點的高分子等材料連接難以熔化的高熔點金屬粉末，從而實現材料的粘結成形，但需要后續熱處理等手段來保證制件的致密度和力學性能，包括選擇性激光燒結（SLS）、光固化成型（SLA）、熔融沉積成型（FDM）、分層實體制造（LOM）等。

然而，受限于金屬增材制造是分層打印成形方式，產品容易出現致密度差，組織性能各向異性，局部變形及應力集中，并且伴隨氣孔、裂紋、夾雜等諸多缺陷問題。

此外，制造過程中中間層的缺陷會直接影響后續金屬層，造成樣品尺寸誤差不斷累積、性能缺陷逐漸增加，甚至對整個制件造成不可逆轉的破壞，大大增加了制造成本。故當前金屬增材制造產業亟需高效、便捷、合理的實時檢測方法來實現成形過程監控并提高產品質量。

相對于破壞性檢測，無損檢測可以實現全體產品非破壞檢測，并可在制造過程中實時進行，實現對加工過程的在線反饋調節，從而減少廢品率、提高制件品質。依據檢測原理，無損檢測有超聲檢測、射線檢測、視覺檢測、電磁檢測、滲透檢測等多種方法。

金屬增材制造過程往往處于高溫、強磁場等特殊環境，受到飛濺、斷弧、煙霧、熱和電磁干擾等惡劣因素的影響，因此，針對金屬增材制造過程，依據成形材料的物理化學性質、加工手段及設備的場景特點和制件的結構特征，選取合適的無損檢測方式是必要的。

1 超聲檢測

超聲檢測通過耦合劑將超聲波導入到工件內部，當超聲波遇到內部缺陷會生成缺陷回波而被傳感器接收，從而根據回波無損獲取制件內部缺陷信息。

Lu Zhang等提出一種通過非接觸式空氣耦合超聲來檢測焊縫燒損的方法。焊縫截面特征和顯微組織情況如圖1所示，按照燒蝕程度，將焊縫分為良好焊縫（Good Weld，GW）和三種不同燒蝕穿透焊縫（Burn-Through Transitions，BTT1，BTT2，BTT3）。由于焊縫燒穿會導致大量的退化焊縫區，阻礙聲波傳播，使得聲波速度、能量比和振幅降低，故而通過監測超聲波衰減程度可表征焊縫燒蝕量大小。

圖1 焊縫截面特征和顯微組織情況

Cerniglia D等針對激光粉末堆積（LPD）設計了由脈沖激光器、連續激光器和干涉儀等組成的激光超聲波檢測系統，如圖2所示。脈沖激光器發射的納米脈沖波在熱彈性機制作用下產生寬頻超聲波，激光接收器隨之產生與表面瞬時納米位移成正比的模擬信號，通過處理該模擬信號，可以獲取并記錄試樣當前堆積層的厚度，從而檢測到試樣的實時近表面缺陷。該激光超聲檢測系統可依托原有LPD單元擴展搭建，能在每層固化后立即在線檢測缺陷，具有較大的應用潛力。

圖2 激光超聲波檢測系統

1—激光發射器；2—激光接收器；3—連接板；4—LPD組件；5—LPD系統；6—KUKA機器人

Sarah EvertonPhill Dickens等使用激光超聲檢測由激光粉床熔覆Ti-6Al-4V粉末得到的制件中的近表面缺陷。結果發現，由于超聲波的波長為1064 nm，無法檢測到直徑大于700 μm的缺陷。

受益于超聲的高靈敏度和低成本，超聲檢測在金屬增材制造缺陷檢測中具有很大的發展潛力，可以實現在線逐層檢測和離線近表面質量評估。超聲檢測具有較高的分辨率和足夠的穿透能力，既能實現材料內部的微觀結構缺陷成像表征，也可以做到產品宏觀結構的缺陷量化。

但由于超聲波的能量有限，難以檢測較深的缺陷，限制了其離線檢測的能力；超聲波可識別的缺陷尺寸范圍與其波長相關，會存在不同程度的漏檢情況；超聲檢測易受到噪聲影響，影響缺陷精準識別和缺陷定性分類。

2 射線檢測

射線檢測通過射線源產生射線穿透工件內部，在射線膠片上記錄所攜帶的物體內部信息，最后經顯影及定影等處理得到射線圖片。

Wenhui Hou等提出了一種基于X射線圖像自動檢測焊縫缺陷的方案。首先對X射線圖進行預處理后得到焊縫區域，再以焊縫區域圖像作為輸入，以圖像各點的缺陷概率作為目標輸出，建立基于深度神經網絡的缺陷檢測模型。最后利用滑動窗口法對X射線圖進行整體檢測，如圖3所示。研究結果表明，此缺陷檢測模型能夠有效檢測焊接接頭質量。

圖3 缺陷概率圖和檢測結果

Wits W W等采用SLM技術制備了40個Ti6Al4V鈦合金試樣，采用X射線斷層掃描（XCT）對比阿基米德法測得的孔隙率，通過靜載拉伸試驗得到試樣屈服強度和抗拉強度等力學性能指標。

試樣CT圖和力學結果對比如圖4所示，兩種孔隙率測量方法結果較為吻合，并且XCT能夠提供試樣內部孔隙缺陷的尺寸、形狀、體積和分布的完整分析，測得的孔隙率能很好地反映試樣的拉伸性能。

圖4 試樣CT圖（左）和力學結果對比阿基米德和顯微分析結果（右）

Ziólkowski G等使用卡爾蔡司CT機對由選擇性激光燒結按照不同構建方向制備的3種不銹鋼試樣進行XCT掃描重建，如圖5所示。采用共聚焦顯微鏡（Confocal Microscopy，CM）進行孔隙率驗證，測試結果如表1所示。對于B、C試樣，兩種測試方法得到的孔隙率結果相近，而對于A試樣CM測得孔隙率為4.74%，是XCT測量值的3倍。這是由于XCT的分辨率有限，無法分辨最小直徑當量低于一定值的孔隙，從而造成測得的孔隙率偏小，A試樣在兩種方法處理下的金相斷面如圖6所示。

圖5 三種建造方向制件模型圖及XCT掃描后重建圖

表1 XCT和CM方法三種試樣的孔隙率

圖6 A試樣兩種方法處理后的金相橫截面（上：XCT，下：CM）

射線檢測可以直觀顯示金屬工件的內部缺陷，并可通過提升射線功率來適應較厚工件。射線成形的影像清晰，檢測準確性很高，可以直接判斷缺陷的種類、分布、數量和尺寸大小，并且檢測影像可以永久保留，便于對缺陷進行定性定量以及數據統計分析，在工業中應用十分廣泛。

但是射線發生器的體積大、價格高、射線輻射危害人體健康、防護要求嚴苛，因而不適合現場作業。由于顯影及定影、掃描重建等操作成本高、耗時長，射線檢測目前主要應用在離線檢測領域，難以實時在線開展。

3 視覺檢測

視覺檢測先通過相機拍攝工件圖像，再從圖像中提取的特征值等相關信息，之后采用相關算法和模型等分析處理，最后得到工件表面的成形情況和缺陷分布等。

Wang T設計了一種應用于液態金屬噴印（LMJP）原位液滴檢測與控制的閉環控制系統，如圖7所示。該系統通過CCD相機拍攝液滴圖像并從中提取相應特征（伴隨液滴、韌帶、體積和速度），再與參考輸入（理想噴射情況下的對應特征值）對比，通過模糊控制來調整壓電驅動電壓，使得之后的液滴趨于理想噴射，實現閉環控制。實驗證明，該系統可以有效改善LMJP過程的穩定性，提升噴印質量，但在處理速度和特征提取精度方面仍有很大的進步空間。

圖7 LMJP系統的原理與實物

Aminzadeh M等基于所開發的新型成像裝置，對金屬粉床增材制造中熔覆層的熔覆質量和畸變進行了實時檢測，從每層中捕獲原位圖形并提取特征值，經訓練后的貝葉斯分類器處理，做到了實時檢測出含有缺陷的熔覆層或區域，從而實現了層內缺陷和孔隙的可視化。

Tang等搭建了基于深度學習的電弧增材制造制件的表面缺陷識別系統，采用工業CMOS相機采集制件表面圖像，經過降噪、增強、提取感興趣區域（ROI）等預處理得到模型的輸入圖像。依據輸入圖像及其對應的缺陷類別開展訓練，得到卷積神經網絡（CNN）結合支持向量機（SVM）的深度學習網絡模型，如圖8所示。結果表明，該模型對凹坑、氣孔、駝峰、咬邊這四類缺陷的識別率達到了95.29%。

圖8 CNN+SVM網絡模型

視覺檢測的主要設備是工業相機，具有結構簡單、體積小、成本低、適應性強等諸多優點，適合在工業現場使用。視覺檢測系統可以長時間穩定運行，并且通過優化算法和模型可以提高檢測速度，實現在線閉環控制。

然而，視覺檢測會受到制造現場弧光、激光等的強烈干擾，需要添加濾波片、偏振鏡等濾光設備并結合圖像增強算法來改善圖像質量。

由于相機和計算機性能的快速提高與系統成本的降低，人工智能技術蓬勃發展，圖像數據集的不斷積累，視覺檢測技術正處于高速發展階段，是當前的研究熱點。而將檢測結果反饋于制造過程，從而提供金屬增材制造的成形性、成品率與成形質量，依然是無損檢測方法的主要應用方向。

4 結論

（1）無損檢測在金屬增材制造過程中有巨大的應用潛力，而提升金屬增材制造部件的成形性、良品率以及成形質量，亟需通過在線無損檢測等手段實時監控各層的成形情況，實現閉環控制。

（2）超聲檢測可用于在線檢測，實現近表層缺陷檢查；射線檢測能直觀反映金屬產品的內部缺陷情況，適合離線檢測重要結構部位，而高速射線監控系統的開發將為金屬增材制造在線過程監控提供新的可行手段；視覺檢測系統的適應性強，適合于表面缺陷的離線以及在線檢測。

（3）依托大數據分析與人工智能算法，基于機器學習實現金屬增材制造過程的特征提取、缺陷自主定位及識別等，進而實現增材制造產品質量的在線閉環控制。同時，基于多傳感復合以及工業互聯網的金屬增材制造過程數據的高速數采與智能分析，是提升金屬增材制造過程可靠性與部件質量的重要發展方向。