3D打印能够借助3D软件创建复杂的几何形状。然而，质量监控仍然是增材制造中的一大挑战，因为许多3D打印机没有指定的系统来跟踪和监控打印过程的进度。3D打印机可以继续打印部件，直到所有层都已完成，即使长丝用完或打印中存在任何潜在缺陷。为了帮助解决这个问题，堪萨斯州立大学工业和制造系统工程系（IMSE）的两位研究人员为3D打印过程开发了一种新的质量监控系统。

来自IMSE的Ugandhar Delli和Shing Chang博士提出了一种通过集成相机，图像处理和监督机器学习来实时自动评估3D打印部件质量的方法。研究人员使用LulzBot Mini 3D打印机进行研究，其中包括在不同检查点暂停系统以检测任何可能的缺陷并采取适当的纠正措施，例如在检测到潜在缺陷时停止打印。Delli和Chang博士发表了一篇关于他们研究的论文，名为《使用监督机器学习3D打印中的自动监控过程》，该论文展示了他们的新过程监控方法。

研究人员提出了一个三步质量监控系统，以便在生产过程中实施3D打印部件的质量监控。

步骤1.根据几何图形确定3D打印部件的正确检查点。

步骤2.借助已安装的摄像头拍摄每个检查点处的半成品部件的图像。

步骤3.执行图像处理和分析。提出了一种机器学习方法-支持向量机（SVM），用于将部件分类为“好”或“有缺陷”类别。

打印过程使用ABS和PLA材料的零件以证明所提出的框架，研究人员得出结论，该方法能够检测完成失败缺陷，例如长丝耗尽或在中间停止的印刷以及结构或几何缺陷。当然，这种质量监测系统也有缺点。这种方法的主要缺点是，在拍摄半成品部件的图像时需要暂停打印过程。另一个缺点是，由于只拍摄了顶视图，所提出的方法可能无法检测到垂直平面上的缺陷，这在顶视图图像中是看不到的。这为将来研究将摄像机安装在打印机两侧以及检测两者上的缺陷提供了方向。水平和垂直平面都要检测。

据研究人员称，可以通过在打印头上安装原位相机来实现改进。他们未来的工作还将侧重于研究选择适当的检查点带来的影响因素。