材料相检测 背景技术 [0001] 三维(3D)实体零件可以使用增材制造从数字模型中生产出来。增材制造可用于快速原型制作、模具生成、模具母版生成和短期制造。增材制造涉及应用连续的构建材料层。 这与通常去除去材料以创建最终零件的传统加工工艺不同。在一些增材制造技术中，构建材料可以被固化或熔合。 附图说明 [0002] 图1是图示了材料相检测的方法的示例的流程图。 [0003] 图2是图示了材料相检测的方法的另一个示例的流程图。 [0004] 图3是可用于材料相检测示例中的三维(3D)打印设备的示例的简化等距视图。 [0005] 图4是可用于材料相检测的装置的示例的框图。 [0006] 图5是图示了可以根据本公开公开的技术的一些示例实施的神经网络结构的示例的示意图；以及 [0007] 图6是图示了自适应热扩散率内核预测以检测材料相的示例的示意图。 具体实施方式 [0008] 增材制造可用于制造3D物体。三维(3D)打印是增材制造的一个示例。3D打印的一些示例可以在像素级选择性地沉积试剂(例如，液滴)，以实现对体素级(voxel level)能量沉积的控制。例如，热能可以投射到构建区域中的材料上，其中材料中的相变和固化可能发生，这取决于沉积试剂的体素。 [0009] 在一些方法中，可以从感测到的体素温度推断材料体素的相状态(phase condition)。然而，相同温度下的体素可以具有不同程度的相状态。因此，从感测到的体素温度推断相状态可能无法准确反映实际的相状态。材料相(material phase)可分为相状态(例如，固体、液体、粉末、凝固部分、中间相或相变等)。 [0010] 在一些示例中，内核(kernel)可用于检测材料相。内核是表示材料特性(property)的模型。在一些配置中，可以基于受物理模型约束的机器学习模型来确定(例如，预测)内核。物理模型是物理现象的模型。物理模型可能是确定性的。物理模型的一个示例是传热模型。 [0011] 相状态的一个示例是烧结状态。烧结状态是颗粒结合在一起(例如，形成质量)的相状态。本公开描述的技术的一些示例包括在体素级的原位检测颗粒烧结状态的方法。在一些方法中，体素温度信息可以用热扩散率(thermal diffusivity)来增强，热扩散率是烧结状态的指标(例如，比单纯的温度更好的指标)。热扩散率是材料传递(例如，吸收或分散)热量的能力。例如，材料的体素的热扩散率可以是体素从相邻的一个或多个体素吸收热量或将热量分散到相邻的一个或多个体素的能力。在一些示例中，热扩散率可以是体素特性的函数以及相邻体素特性的函数。热扩散率特性可以包括相和温度。例如，热扩散率可基于材料的当前相(例如，固体、液体、粉末、凝固物体或中间相等)和材料的当前温度而变化。学习热扩散率的一个复杂因素是热扩散率可能是各向异性的。例如，不同相邻体素的影响可能不一样。另一个复杂因素是材料异质性，其中不同的材料表现出不同的热扩散率特性。 [0012] 在一些示例中，机器学习模型可用于从原位热感测中提取自适应热扩散率内核(adaptive thermal diffusivity kernel)。自适应热扩散率内核可用于检测原位颗粒烧结状态。 [0013] 在一些示例中，材料相检测可用于确定和/或改进正在制造(例如，打印)的物体的几何精度。例如，材料相检测可用于原位检测物体的边界体素。在一些示例中，可以基于感测信息为围绕物体的粉末体素提供颗粒烧结事件的可能性的风险评估。材料相检测可以允许在打印时确定物体的几何精度。 [0014] 材料相检测(和/或几何精度确定)可用于执行一个或多个操作。例如，材料相检测可用于主动闭环控制，其中可修改未来层的热应用以减轻导致烧结误差的状态。烧结误差是在非目标位置(例如，在物体外部的粉末体素中)发生烧结或在目标位置(例如，在作为物体一部分的体素中)缺少烧结。材料相检测可用于监控程序。例如，频繁的烧结误差可能会导致生产暂停或停止。材料相检测可用于监控程序，其中烧结误差(例如，具有烧结误差的体素和/或与烧结误差相关联的物体)可以被标记。例如，可以标记物体以进行额外的打印后计量测量、部件质量测量和/或控制评估。 [0015] 材料相(例如相变)和/或相状态可以包括烧结状态、聚合物结晶度、弹性(例如强度)等。虽然本公开给出了烧结状态(其可以指示具有能量输入的颗粒相的状态)作为材料相的示例，但是本公开描述的技术可用于检测体素级的其他相状态。 [0016] 对于给定的层，热扩散(来自所有像素)可能是像素的一能量驱动。其他能量驱动可能包括能量吸收(对于部分体素)和对流空气损失(对于所有体素)。热扩散是埋层的一能量驱动。当零件、零件/粉末边界和/或粉末内的相邻体素存在温度梯度时，可能会发生热扩散(热通量)。 [0017] 本公开描述的技术的一些示例可以利用机器学习(例如，深度学习)来解决上述困难。例如，可以通过深度学习训练和发现机器学习模型(例如，定量模型)以生成自适应热扩散率内核。自适应热扩散率内核是一种或多种材料的一个或多个体素的热扩散率的机器学习模型(例如，神经网络)的输出。自适应热扩散率内核在热扩散率内核适应材料相(例如，体素和/或相邻的一个或多个体素的材料相)的意义上是自适应的。例如，自适应热扩散率内核适应相邻体素特性，或者自适应热扩散率内核可以适应于解决体素及其相邻体素的相。机器学习模型一旦经过学习，就可以近实时地在线应用，以根据实际局部环境确定局部位置(例如，像素、体素)的热扩散率。 [0018] 本公开公开的技术的一些示例包括受物理模型约束的机器学习模型(例如，数据驱动的定量模型)，其可以学习体素热扩散率作为相邻体素相和环境的函数。例如，给定时间t的温度图和/或形状图，机器学习模型可以自适应地预测任何局部位置(例如，体素)不同方向的热扩散率，并且可以预测时间t+dt的温度图(其中dt是时间t之后的用于预测的时间间隔)。 [0019] 本公开公开的技术的一些示例可以利用混合建模方法，该方法结合了物理模型和深度学习模型来学习物理特性。例如，可以利用受物理模型约束的数据驱动方法将每个像素或体素的特性建模为内核(例如，自适应热扩散率内核)。在一些示例中，可以利用预测相状态(例如，烧结状态、结晶度、弹性等)的神经网络架构。 [0020] 在一些示例中，热行为可以被映射为温度图。温度图是一组指示区域或体积内温度(或热能)的数据。温度映射可包括获得(例如，感测和/或捕获)温度图或热图像和/或计算(例如，预测)温度图或热图像。 [0021] 温度图可以基于捕获的热图像。捕获的热图像由一个或多个传感器感测或捕获。 在一些示例中，可以沿着一维(例如，x、y或z方向)、二维(2D)(例如，x和y、x和z，或y和z)或三维(3D)(例如，x、y和z)捕获热图像。温度图可以是热图像或可以基于热图像。例如，可以对捕获的热图像应用变换以产生温度图。 [0022] 应该注意的是，虽然塑料(例如，聚合物)可用作说明本公开描述的一些方法的一种方式，但本公开描述的技术可用于增材制造的各种示例。例如，一些示例可用于塑料、聚合物、半结晶材料、金属等。一些增材制造技术可能是基于粉末的并由粉末融合驱动。本公开描述的方法的一些示例可应用于基于区域的、基于粉末床融合的增材制造，例如立体光固化成型(SLA)、多喷射融合(MJF)、金属喷射融合、选择性激光熔化(SLM)、选择性激光烧结(SLS)、基于液体树脂的打印等。本公开描述的方法的一些示例可应用于增材制造，其中由液滴携带的试剂用于体素级热调制。应当注意，在一些示例中可以使用或不使用试剂。还应该注意的是，虽然本公开描述了一些分辨率作为示例，但是本公开描述的技术可以应用于不同的分辨率。 [0023] 如本公开所使用的，术语“体素”及其变体可指“热体素”。在一些示例中，热体素的尺寸可以定义为具有热意义的最小值(例如，大于42微米或每英寸600个点(dpi))。体素尺寸的示例是25.4毫米(mm)/150≈170微米，用于每英寸150个点(dpi)。最大体素尺寸可以是大约490微米或50dpi。术语“体素级”及其变体可以指对应于体素尺寸的分辨率、尺度或密度。 [0024] 填充有粉末的体素(例如，“粉末体素”)可包括用气穴(air pockets)绝缘的颗粒。 粉末体素传递热量的能力是有限的，这依赖于颗粒之间有限的接触表面。“物体体素”，其中颗粒充分烧结甚至完全熔化，主要由材料本身填充，没有气泡或小气泡。物体体素传递热量的能力可能接近散装材料本身的传递热量的能力。聚合物的热扩散率差异可以是大约两个或更多。对于金属颗粒，热扩散率差异可能要高一个数量级。 [0025] 在所有附图中，相同或相似的附图标记可以表示相似但不一定相同的元件。附图不一定按比例绘制，并且某些部件的尺寸可能被夸大以更清楚地说明所示示例。此外，附图提供了与描述一致的示例和/或实施方式；然而，描述不限于附图中提供的示例和/或实施方式。 [0026] 图1是图示用于材料相检测的方法100的示例的流程图。方法100和/或方法100的一个或多个元素可以由装置(例如，电子设备)执行。例如，方法100可以由结合图3描述的3D打印设备300和/或结合图4描述的装置432来执行。 [0027] 装置可以基于与物体对应的输入和受物理模型约束的机器学习模型来预测102内核。在一些示例中，可以为一组像素或体素中的每一个(例如，对于温度图、形状图和/或连续色调图(contone map)中的每个像素或体素)预测102内核。在一些示例中，可以对应于时间间隔dt来预测内核。 [0028] 输入是一组与物体制造相关的数据。输入对应于用于制造的一个或多个物体(例如，一个或多个物体的层)或正在制造的一个或多个物体(例如，一个或多个物体的层)。输入的示例包括温度图、形状图、连续色调图、其组合、其部分和/或其部分的组合。 [0029] 形状图是一组(例如，2D网格)值，用于指示制造(例如，打印)物体的位置。例如，形状图可指示物体应在层中的何处形成。在一些示例中，形状图可以是3D模型的2D层(例如， 2D切片、2D横截面等)。 [0030] 连续色调图是一组数据，指示用于打印物质(例如，熔融剂或细化剂)的一个或多个位置(例如，区域)。在一些示例中，连续色调图可以包括或指示用于打印物质的机器指令(例如，体素级机器指令)。例如，熔融剂连续色调图指示用于打印熔融剂的坐标和/或量。在一个示例中，细化剂连续色调图指示用于打印细化剂的坐标和/或量。在一些示例中，连续色调图可以对应于形状图。例如，可以处理3D模型以产生对应于3D模型的多个层的多个连续色调图。在一些示例中，连续色调图可以表示为值的2D网格，其中每个值可以指示是否在 2D网格上的位置处打印试剂和/或试剂的量。例如，2D网格中值的位置可以对应于构建区域中的位置(例如，构建区域处或上方的特定水平(z)的位置(x，y))。在一些示例中，连续色调图可以是二维网格或阵列(例如，四叉树)的压缩版本。 [0031] 机器学习模型可以基于物理模型进行约束。物理模型的示例包括胡克定律和传热模型。可以基于物理模型来约束机器学习模型，因为可以根据物理模型来构造机器学习模型。 [0032] 在一些示例中，装置可以通过向机器学习模型提供输入来预测102内核。机器学习模型可以使用输入生成内核。内核(例如，自适应热扩散率内核)和机器学习模型的示例如下。 [0033] 自适应热扩散率内核是一种或多种材料的一个或多个体素的热扩散率模型。自适应热扩散率内核的示例可以基于传热模型，其可以根据等式(1)来表达。 [0034] [0035] 等式(1)中，T为温度，x为一个坐标(如二维坐标系的一维度或水平维度的坐标)，y为另一坐标(如二维坐标系的另一维度或垂直维度对应的另一坐标)，k是热扩散率，Δ表示拉普拉斯算子，t是时间。在均质材料的情况下，k可被视为常数。 [0036] 传热模型(例如，等式(1))的离散化可以如等式(2)中给出的那样表达。 [0037] [0038] 在等式(2)中，h是像素或体素的维度(例如，宽度)。在k是各向异性的情况下(例如，真实世界的情况)，等式(2)可以表示为等式(3)。 [0039] [0040] 如果用T来表示温度图，则等式(3)可以表示为等式(4)。 [0041] [0042] 在等式(4)中， °是对元素的乘积，*是卷积运算。 等式(4)是数值可解的。 [0043] K是自适应热扩散内核的示例(例如，矩阵形式)，A是参数矩阵的示例，k01、k10、k11、k12和k21是内核参数的示例。例如，k01为当前像素或体素上方的像素或体素对应的内核参数，k10为当前像素或体素左侧的像素或体素对应的内核参数，k11为当前像素或体素对应的内核参数，k12为当前像素或体素右侧的像素或体素对应的内核参数，k21为当前像素或体素下方的像素或体素对应的内核参数。内核参数是自适应热扩散率内核中的热扩散值。在该示例中，k01、k10、k12和k21是内核参数k11(例如，中心内核参数)的相邻内核参数。 相邻内核参数是在一个或多个中心内核参数外围(例如，靠近或远离)的内核参数。 [0044] 对于异质材料，自适应热扩散内核(例如K)与相以及温度有关。例如，在每个像素或体素处，自适应热扩散率内核(例如，K)中的内核参数(例如，k01、k10、k11、k12和k21)可以是相邻相和温度的函数。可以利用机器学习模型(例如，神经网络)来预测函数。结合图5描述了机器学习模型(例如，神经网络架构)的示例。可以训练机器学习模型来学习权重。 [0045] 可以基于温度图来预测102自适应热扩散率内核。例如，装置可以从一个或多个传感器获得(例如，感测、接收、请求和接收)温度图。例如，传感器可以捕获打印床的热图像以生成温度图。温度图或温度图的一部分(例如，补丁)可以用作输入来预测102自适应热扩散率内核。例如，权重可用于基于温度图确定自适应热扩散率内核。 [0046] 在一些示例中，机器学习模型的输入可以表示为X。在一些示例中，输入可以是时间处的温度图或温度图的一部分(例如，T(t)，其中t是当前的时间或时间戳)。在一些方法中，温度图或温度图T(t)的一部分(例如，输入感测温度)可以表示相和/或温度。在一些示例中，输入可以是温度图和形状图或其部分的串联。例如，输入X可以是与层(例如，构建材料的当前层)的形状图S的一部分连接的T(t)的一部分。形状图S可用作输入以添加更多精细细节。 [0047] 在一些示例中，装置可以利用机器学习模型基于输入X来预测102自适应热扩散率内核。例如，装置可以将输入X应用于机器学习模型(例如使用权重)以预测102自适应热扩散率内核。在一些示例中，预测102自适应热扩散率内核包括将一个或多个子内核与输入卷积(例如，单独卷积)以产生自适应热扩散率内核。子内核是一组(例如矩阵)权重。可以基于子内核与输入的卷积来确定内核参数。自适应热扩散率内核可以基于(例如，可以包括)内核参数来确定。例如，装置可以将内核参数安排到自适应热扩散率内核中(例如，安排到自适应热扩散率内核的矩阵形式中)。例如，装置可以将内核参数安排成等式(4)的矩阵形式。 虽然本公开描述的一些示例说明了具有一层的机器学习模型(例如，深度学习模型、神经网络等)，但是可以根据本公开描述的技术来实施具有一层或多层的机器学习模型。 [0048] 在一些示例中，预测102自适应热扩散率内核是基于具有一层或多层的机器学习模型(例如，深度学习模型、神经网络等)。例如，预测102自适应热扩散率内核可以包括使用神经网络从输入X确定像素(x,y)处的自适应热扩散率内核K。例如，装置可以将温度图T(t)的m×m块(例如，具有相邻像素的像素)与形状图S的m×m块连接起来作为输入X。输入可以与多个m×m子内核单独卷积。在一些示例中，子内核可以表示为Q。在一些示例中，五个不同的m×m子内核Q01、Q10、Q11、Q12和Q21可以分别与输入卷积。五个结果值可以是内核参数k01、k10、k11、k12和k21。 [0049] 在一些示例中，预测自适应热扩散率内核基于激活函数以确保内核参数大于零。 激活函数的一个例子是整流线性单元函数，其可以表示为ReLu()。例如，可以利用ReLu()激活函数来保证内核参数大于零，使内核参数与物理意义一致。在一个示例中，内核参数k01、k10、k11、k12和k21可以根据等式(5)确定。 [0050] [0051] 在等式(5)中，Q01、Q10、Q11、Q12和Q21是m×m子内核。例如，m可以是3、4、5、6或其他值。在一些方法中，可以通过实验调整m。在此示例中，五个内核参数k01、k10、k11、k12和k21可以重新用公式表示为自适应热扩散率内核K。 [0052] 装置可以基于内核检测104材料相。在一些示例中，检测104材料相可以包括计算内核的统计度量(statistic metric)。统计度量是统计测量或统计值。统计度量可以指示相状态的可能性或相状态分数(phase condition score)。例如，装置可以计算内核的范数(例如，L1范数、L2范数等)。统计度量(例如，范数)可以指示相状态的可能性或相状态分数。 例如，装置可以将统计度量与阈值进行比较。在统计度量满足阈值的情况下，可以检测相状态(例如，相变、经历烧结相变的材料等)。 [0053] 在一些示例中，对于位于(x，y)处的每个像素或体素，装置可以根据等式(6)计算内核 的范数。 [0054] [0055] 在等式(6)中，k01、k10、k11、k12和k21是来自内核的内核参数的示例。在K是热扩散率内核的示例中，范数|K|可以指示烧结相(sintering phase)的可能性。例如，|K|可能表示烧结状态的不同程度：随着|K|增加，边界粉末经历烧结的可能性也增加。在一些示例中，范数|K|可称为原位颗粒烧结相分数。 [0056] 在一些示例中，装置可以利用输入(例如，温度图T、形状图S、连续色调图C等)和在物理上受到约束的机器学习模型以预测内核 在上述示例中，内核K的维 度为3×3。内核可能具有其他(例如，更多或更少)维度。在一些示例中，对于位于(x，y)处的每个像素或体素，装置可以根据等式(7)计算内核 [0057] 的范数。 [0058] [0059] 在等式(7)中，k00、k01、k02、k10、k11、k12、k20、k21和k22是来自内核的内核参数的示例。例如，|K|可以指示一个或多个相状态的不同概率程度。在一些例子中，范数|K|可以称为相状态分数。 [0060] 在一些示例中，基于内核检测104材料相可以包括将统计度量(例如，范数)与阈值进行比较。例如，如果|K|>阈值，则可以检测到相状态。阈值的一个例子是0.8。其他值可用于阈值(例如，0.25、0.5、0.75、0.775、0.78、0.79、0.81、1等)。例如，如果|K|>阈值，则可以在位置(x,y)处检测到相状态(或相状态变化)。在K是自适应热扩散率内核的示例中，如果|K|>阈值，则位置(x,y)处的粉末可被检测为由于来自相邻体素的热扩散而经历烧结。因此，本公开描述的技术的一些示例可以基于自适应热扩散率检测在体素级(从温度图和/或形状图)检测原位颗粒烧结状态。 [0061] 在一些示例中，机器学习模型可能受到物理传热模型的约束。机器学习模型可以学习热扩散率作为自适应热扩散率内核K，其中每个内核参数是当前像素或体素相和/或温度的函数。例如，可以利用神经网络来学习该函数。神经网络中的参数可以是训练期间要估计的权重。 [0062] 在一些示例中，机器学习模型可以是神经网络。例如，机器学习模型可能使用一个卷积层，其构建了一个线性模型。在其他示例中，可以添加一个或多个隐藏层来构建非线性模型。一个或多个附加的隐藏层可以学习内核K中的更高阶的内核参数。例如，可以利用物理模型(例如等式(1)或胡克定律)的二阶离散化，这样可以学习更大的内核K，这个更大的内核K可以包括更高阶的参数(例如，权重)。 [0063] 在一些示例中，内核K可以替代地是与原位物体强度相关的弹性(例如，刚度)张量。弹性(或强度)可能是相状态的另一个例子。根据胡克定律，将材料延伸距离x所需的力F可以表示为F＝E*x，其中E是弹性张量，根据本公开描述的技术可以表示为内核K(例如，3× 3内核)。与热扩散率类似，弹性E也与相邻特性有关，因此是局部自适应的。在一些示例中，可以利用机器学习模型(例如，神经网络)来自适应地学习弹性张量E。可以利用方法100来检测不同位置处的材料弹性(或强度)变化。 [0064] 本公开描述的技术的一些示例可以在2D中执行。例如，可以在2D(例如，对于材料的一个或多个2D层)中预测102内核和/或检测104相状态。一些示例可能会考虑基于2D输入数据的层内(例如，熔融层)x‑y材料相。本公开描述的技术的一些示例可以在垂直方向(例如，z方向)上使用输入数据来执行。例如，可以利用收集z方向热感测的嵌入式热传感器来确定自适应热扩散率内核和/或预测z方向上的温度。 [0065] 在一些示例中，方法100可以包括执行主动闭环控制。例如，装置可以修改一个或多个后续层的热应用以减轻触发粉末体素烧结事件的状态。 [0066] 在一些示例中，方法100可以包括执行监测程序。例如，装置可以响应于烧结误差的频率(例如，错误的粉末体素烧结事件)触发生产的暂停或停止。在一些示例中，装置可以用烧结误差的频率标记物体。该标记可以指示打印后计量测量、物体质量测量和/或控制可能是有益的。 [0067] 图2是图示用于材料相检测的方法200的另一个示例的流程图。方法200和/或方法 200的一个或多个元素可以由装置(例如，电子设备)执行。例如，方法200可以由结合图3描述的3D打印设备300和/或结合图4描述的装置432来执行。 [0068] 装置可以基于输入(例如，温度图、形状图、连续色调图、其部分和/或其组合)来预测202内核。这可以如结合图1所描述的那样实现。 [0069] 装置可以计算204内核的范数，其中范数指示相状态(例如，烧结相)的可能性。这可以如结合图1所描述的那样实现。 [0070] 装置可以确定206范数是否满足阈值。这可以如结合图1所描述的那样实现。例如，装置可以将范数与阈值进行比较。在一些示例中，如果范数大于阈值，则可以满足阈值。 [0071] 在范数满足阈值的情况下，可以检测相状态(例如，烧结)并且装置可以用相状态(例如，经历相状态)标记210像素或体素。在范数不满足阈值的情况下，可能不会检测到相状态，并且装置可以不用相状态标记208像素或体素(例如，不经历相状态)。虽然颗粒烧结状态被用作本公开描述的技术的示例，但可以检测其他相状态(例如，弹性、结晶度等)。 [0072] 在一些示例中，装置可以基于标记的像素或体素检测212物体的边界像素或体素。 例如，如果在没有相状态的像素或体素旁边用相状态标记像素或体素，则装置可以检测212该像素或体素作为边界像素或体素。在一些示例中，具有检测到的相状态的从物体延伸到粉末区域最远的像素或体素可以被检测212作为边界像素或体素。 [0073] 在一些示例中，装置可以生成214对应于时间间隔(例如，dt)的图，其中该图指示具有相状态的像素或体素。例如，装置可以生成214(例如，产生视觉像素值、渲染等)具有相状态的像素或体素的视觉图(例如，体素处于烧结相并经历相变)。在一些示例中，装置可以显示该图或将其发送到另一设备(例如，显示器、远程设备等)以供显示。在一些示例中，连同每一层的打印过程，装置可以生成一系列图以指示在每个时间间隔dt之后经历不同程度的相状态(例如，烧结状态)的像素或体素。在一些示例中，装置可以相应地指示来自哪个时间间隔的哪些像素或体素遇到近似量的烧结。 [0074] 在一些示例中，装置可以控制216后续层的打印。例如，装置可以基于材料相的相状态(例如，相变)控制后续层的打印。例如，装置可以基于检测到的材料相(例如，相状态)来控制216试剂沉积、热投射和/或其他热状态。 [0075] 图3是可用于材料相检测示例中的3D打印设备300的示例的简化等距视图。3D打印设备300可以包括控制器316、数据存储314、构建区域302、打印头308、熔融剂容器310、细化剂容器318、辊子330、材料容器322、热投射仪304和/或热传感器306。图3中的3D打印设备 300的示例可以包括未示出的附加部件，并且在不脱离本公开中的3D打印设备300的范围的情况下可以移除和/或修改所描述的一些部件。3D打印设备300的部件可能未按比例绘制，因此可能具有与所示不同的尺寸和/或配置。 [0076] 在图3的示例中，3D打印设备300包括熔融剂容器310、熔融剂312、细化剂容器318、细化剂320、材料容器322和材料324。在其他示例中，3D打印设备300可以包括更多或更少的容器、试剂、料斗和/或材料。材料容器322是存储材料324的容器，材料324可以通过辊子330施加(例如，铺展)到构建区域302上以用于3D打印。熔融剂容器310是存储熔融剂312的容器。熔融剂312是控制吸入热强度的物质(例如，液体、粉末等)。例如，可以选择性地施加熔融剂312以引起所施加的材料324随着从热投射仪304施加的热量而改变相和/或与另一层材料324融合。例如，材料324的已施加有熔融剂312的区域可能最终固化成被打印的物体。 细化剂320是控制排出热强度的物质(例如，液体、粉末等)。例如，细化剂320可以选择性地应用以细化被打印物体的边缘。 [0077] 构建区域302是可以在其上执行增材制造的区域(例如，表面)。在一些配置中，构建区域302可以是“构建体积”的基部，其可以包括基部上方的体积。如本公开所使用的，术语“构建区域”可指构建体积的底部和/或构建体积的另一部分(例如，基部上方的另一平面)。 [0078] 辊子330是用于将材料324施加到构建区域302的设备。为了打印3D物体，辊子330可以连续地施加(例如，铺展)材料324(例如，粉末)并且打印头308可以连续地施加和/或递送熔融剂312和/或细化剂320。热投射仪304是在构建区域302中向材料324、熔融剂312和/或细化剂320递送能量(例如，热能、热等)的设备。例如，熔融剂312可以被施加在材料324层上，在该层中(材料324的)颗粒旨在融合在一起。细化剂320可被施加以改进融合并产生精细的细节和/或光滑的表面。暴露于能量(例如，来自热投射仪304的热能)和试剂(例如，熔融剂312和细化剂320)与材料324之间的反应的区域可以使材料324选择性地熔合在一起以形成物体。 [0079] 打印头308是施加一种或多种物质(例如，熔融剂312和/或细化剂320)的设备。打印头308可以是例如热喷墨打印头、压电打印头等。打印头308可以包括一个或多个喷嘴(未示出)，通过该一个或多个喷嘴，熔融剂312和/或细化剂320被挤出。在一些示例中，打印头 308可以跨越构建区域302的维度。尽管描绘了单个打印头308，但是可以使用跨越构建区域 302的维度的多个打印头308。此外，一个或多个打印头308可以位于一个或多个打印杆中。 打印头308可以附接到托架(图3中未示出)。托架可以在一个或多个维度上在构建区域302上方移动打印头308。 [0080] 材料324是用于制造物体的物质(例如，粉末)。材料324可以从材料容器322中被移动(例如，舀出、提升和/或挤出等)，并且辊子330可以将材料324施加(例如，铺展)到构建区域302上(例如当前层的顶部)。在一些示例中，辊子330可以跨越构建区域302的维度(例如，与打印头308相同的维度或与打印头308不同的维度)。尽管描绘了辊子330，但是可以利用其他方式将材料324施加到构建区域302。在一些示例中，辊子330可以附接到托架(图3中未示出)。托架可以在一个或多个维度上在构建区域302上方移动辊子330。在一些实施方式中，可以使用多个材料容器322。例如，可以在构建区域302的相对侧实施两个材料容器322，这可以允许材料324通过辊子330在两个方向上铺展。 [0081] 在一些示例中，热投射仪304可以跨越构建区域302的维度。虽然描绘了一个热投射仪304，但是可以使用跨越构建区域302的维度的多个热投射仪304。另外，一个或多个热投射仪304可以位于一个或多个打印杆中。热投射仪304可以附接到托架(图3中未示出)。托架可以在一个或多个维度上在构建区域302上方移动热投射仪304。 [0082] 在一些示例中，打印头308、辊子330和热投射仪304中的每一个都可以单独安置和/或可以独立移动。在一些示例中，打印头308、辊子330和热投射仪304中的两个或更多个可以安置在一起和/或可以一起移动。在一个示例中，打印头308和热投射仪304可以安置在跨越构建区域302的一个维度的打印杆中，而辊子330可以安置在跨越构建区域302的另一个维度的托架中。例如，辊子330可以在构建区域302上的通过(pass)中施加一层材料324，其后可以是打印头308和热投射仪304在构建区域302上的一次或多次通过。 [0083] 控制器316是计算设备、基于半导体的微处理器、中央处理单元(CPU)、图形处理单元(GPU)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)和/或其他硬件设备。控制器316可以通过通信线路(未示出)连接到3D打印设备300的其他部件。 [0084] 控制器316可以控制致动器(未示出)以控制3D打印设备300的部件的操作。例如，控制器316可以控制用于控制打印头308(沿x轴、y轴和/或z轴)运动的一个或多个致动器、用于控制辊子330(沿x轴、y轴和/或z轴)运动的一个或多个致动器，和/或用于控制热投射仪304(沿x轴、y轴和/或z轴)运动的一个或多个致动器。控制器316还可以控制用于控制要由打印头308从熔融剂容器310和/或细化剂容器318沉积的熔融剂312和/或细化剂320的量(例如，比例)的一个或多个致动器。在一些示例中，控制器316可以控制沿着z轴升高和降低构建区域302的一个或多个致动器。 [0085] 控制器316可以与数据存储314通信。数据存储314可以包括机器可读指令，该指令使控制器316控制材料324的供应，控制熔融剂312和/或细化剂320到打印头308的供应，控制打印头308的移动，控制辊子330的移动，和/或控制热投射仪304的移动。 [0086] 在一些示例中，控制器316可以控制辊子330、打印头308和/或热投射仪304以基于 3D模型打印3D物体。例如，控制器316可以利用基于3D模型的形状图(例如，切片)。在一些示例中，控制器316可以产生和/或利用形状图来控制打印头308。可以利用形状图来确定指示用于打印物质(例如，融合剂312或细化剂320)的一个或多个位置(例如，区域)的数据集。在一些示例中，形状图可以包括或指示用于打印物体的机器指令(例如，体素级机器指令)。例如，可以利用形状图来确定用于打印熔融剂312的坐标和/或量和/或用于打印细化剂320的坐标和/或量。在一些示例中，形状图可对应于3D模型的二维(2D)层(例如，2D切片、2D横截面等)。例如，可以处理3D模型以产生对应于3D模型的多个层的多个形状图。在一些示例中，形状图可以表示为值(例如，像素)的2D网格。 [0087] 数据存储314是机器可读存储介质。机器可读存储是存储可执行指令和/或数据的任何电子、磁性、光学或其他物理存储设备。机器可读存储介质可以是例如随机存取存储器(RAM)、电可擦除可编程只读存储器(EEPROM)、存储驱动器、光盘等。机器可读存储介质可以编码有用于控制3D打印设备300的可执行指令或代码。计算机可读介质是处理器或计算机可读的机器可读存储介质的示例。 [0088] 热传感器306是感测或捕获热数据的设备。热传感器306可以集成到、安装在和/或以其他方式包括在机器(例如，打印机)中。在一些示例中，热传感器306可以捕捉构建区域 302的热图像。例如，热传感器306可以是捕捉构建区域302(例如，在构建区域302施加的材料)的热图像的红外热传感器(例如，照相机)。在一些示例中，热传感器306可以在制造(例如，打印)期间捕获热图像。例如，热传感器306可以在线和/或实时捕捉热图像。 [0089] 热图像是一组指示区域内温度(或热能)的数据。热图像可以从热传感器306捕获(例如，感测)或者可以被计算(例如，预测)。例如，热传感器306可以捕获层的热图像以产生捕获的热图像。 [0090] 在一些示例中，捕获的热图像可以是感测温度(或热能)的二维(2D)网格。在一些示例中，2D网格中的每个位置可以对应于构建区域302中的位置(例如，构建区域302处或上方的特定水平(z)的位置(x，y))。一个或多个热图像可以指示构建区域302上的热变化(例如，温度变化)。在一些方法中，一个或多个热图像可以被变换以与形状图对齐。 [0091] 在一些示例中，控制器316可以从热传感器306接收层的捕获的热图像。例如，控制器316可以命令热传感器306捕获热图像和/或可以从热传感器306接收捕获的热图像。在一些示例中，热传感器306可以捕获正在制造的物体的每一层的热图像。每个捕获的热图像可以作为热图像数据328存储在数据存储314中。 [0092] 在一些示例中，数据存储314可以存储相状态评分指令326、内核指令329、监控指令327和/或热图像数据328。相状态评分指令326可以包括用于基于内核确定相状态分数的指令。在一些示例中，相状态评分指令326可以包括内核指令329。内核指令329可以包括用于基于一些位置处的热图像的一部分产生自适应内核的指令。在一些示例中，内核指令329可以包括定义一个或多个神经网络的数据。例如，内核指令329可以定义一个或多个节点，节点之间的一个或多个连接，一个或多个网络层和/或一个或多个神经网络。神经网络的示例包括卷积神经网络(CNN)(例如，基础CNN、反卷积神经网络、初始模块(inception module)、残差神经网络等)。可以利用一个或多个神经网络的不同深度。 [0093] 在一些示例中，控制器316执行内核指令329(例如，神经网络)以将子内核与热图像的一部分卷积以产生自适应热扩散率内核。例如，控制器316可以单独地将热图像的一部分(例如，补丁)与每个子内核(例如，被训练的子内核)进行卷积。在一些示例中，控制器316可以根据等式(5)利用激活函数和/或执行卷积。卷积可产生内核参数，其可用于形成自适应热扩散率内核。在一些方法中，可以为热图像或对应于热图像的温度图中的一组像素(或体素)或每个像素(或体素)产生自适应热扩散率内核。 [0094] 在一些示例中，控制器316执行相状态评分指令326以基于内核(例如，自适应热扩散率内核)确定相状态分数。例如，控制器316可以基于内核计算统计度量以确定相状态分数。在一些示例中，控制器316可以基于内核计算范数(例如，L1范数、L2范数等)以确定相状态分数。例如，控制器316可以根据等式(6)或等式(7)计算范数。范数可以是相状态分数。 [0095] 应当注意，在一些示例中，可以利用训练输入(例如，训练热图像、训练形状图、训练连续色调图等)来训练一个或多个神经网络。例如，控制器316可以基于训练输入计算损失函数。可以基于损失函数训练一个或多个神经网络。 [0096] 在一些示例中，控制器316可以执行监控指令327以监控相状态分数以检测一个或多个烧结误差。例如，控制器316可以将相状态分数与阈值进行比较以确定已经经历烧结状态的像素或体素。控制器316可以在像素或体素经历了超出物体边界(例如，由形状图和/或连续色调图指示)外的阈值距离的烧结状态的情况下检测烧结误差。在像素或体素没有经历超过物体边界内的阈值距离(例如，由形状图和/或连续色调图指示)的烧结状态的情况下，控制器316可以附加地或替代地检测烧结误差。 [0097] 在一些示例中，控制器316可以标记烧结误差。例如，控制器316可以产生标记烧结误差的数据(例如，图)。在一些示例中，控制器316可以响应于检测到烧结误差而产生消息(例如，通知、误差消息等)。该消息可指示标记的烧结误差。该消息可以由3D打印设备300呈现和/或可以发送到另一个设备(例如，发送到显示器，通过电子邮件、文本消息等发送到另一个设备)。 [0098] 在一些示例中，控制器316可以在烧结误差满足标准的情况下触发生产停止。标准的示例可以包括烧结误差严重性阈值、烧结误差频率阈值及其组合等。例如，在烧结误差超出烧结误差严重性阈值的情况下(例如，烧结像素或体素超出烧结误差严重性阈值)，控制器316可以触发生产停止。在一些示例中，控制器316可以响应于标准被满足而产生消息(例如，通知、误差消息等)。该消息可以指示生产停止已经发生和/或生产停止的原因。该消息可以由3D打印设备300呈现和/或可以发送到另一个设备(例如，发送到显示器，通过电子邮件、文本消息等发送到另一个设备)。 [0099] 在一些示例中，控制器316可以基于相状态评分来打印一层或多层。例如，控制器 316可以基于相状态评分来控制层的熔融剂312和/或细化剂320的量和/或位置。在一些示例中，控制器316可以基于相状态评分来驱动模型设置(例如，步幅的大小)。附加地或替代地，控制器316可以基于相状态评分来执行离线打印模式调整。例如，如果相状态评分指示系统偏差(例如，构建区域的特定部分始终比基线更冷或更暖)，则可以更改数据管道，使得打印(例如，熔融剂312和/或细化剂320的数量和/或位置)被修改以补偿这种系统偏差。例如，如果相状态评分指示系统偏差，则控制器316可以调整打印(例如，对于一个或多个层)以补偿偏差。因此，可以调整沉积的试剂的位置和/或量以提高打印精度(例如，几何精度)和/或性能。 [0100] 图4是可用于材料相检测的装置432的示例的框图。装置432可以是计算设备，例如个人计算机、服务器计算机、打印机、3D打印机、智能手机、平板计算机等。装置432可以包括和/或可以耦接到处理器434，数据存储440、输入/输出接口438、机器可读存储介质442和/或一个或多个传感器436。在一些示例中，装置432可以与增材制造设备(例如，结合图3描述的3D打印设备300)通信(例如，耦接到，具有通信链接)。可替代地，装置432可以是结合图1描述的3D打印设备300的示例。例如，处理器434可以是结合图3描述的控制器316的示例，数据存储440可以是结合图3描述的数据存储314的示例，并且一个或多个传感器436可以是结合图3描述的热传感器306的示例。装置432可以包括附加部件(未示出)和/或在不脱离本公开的范围的情况下可以移除和/或修改的本公开所述的一些部件。 [0101] 处理器434可以是中央处理单元(CPU)、基于半导体的微处理器、图形处理单元(GPU)、FPGA、专用集成电路(ASIC)和/或适合于检索和执行存储在机器可读存储介质442中的指令的其他硬件设备中的任何一个。处理器434可以获取、解码和/或执行存储在机器可读存储介质442上的指令(例如，操作指令460)。另外地或替代地，处理器434可以包括一个或多个电子电路，该电路包括用于执行指令(例如，操作指令460)的一个或多个功能的电子部件。在一些示例中，处理器434可以被配置为执行结合图1至图6中的一个、一些或全部描述的功能、操作、元素、方法等中的一个、一些或全部。 [0102] 机器可读存储介质442可以是包含或存储电子信息(例如，指令和/或数据)的任何电子、磁性、光学或其他物理存储设备。因此，机器可读存储介质442可以是例如随机存取存储器(RAM)、电可擦除可编程只读存储器(EEPROM)、存储设备、光盘等。在一些实施方式中，机器可读存储介质442可以是非暂态有形机器可读存储介质，其中术语“非暂态”不包括暂态传播信号。 [0103] 装置432还可包括处理器434可在其上存储信息的数据存储440。数据存储440可以是易失性和/或非易失性存储器，例如动态随机存取存储器(DRAM)、EEPROM、磁阻随机存取存储器(MRAM)、相变RAM(PCRAM)、忆阻器、闪存等。在一些示例中，机器可读存储介质442可以被包括在数据存储440中。或者，机器可读存储介质442可以与数据存储440分离。在一些方法中，数据存储440可以存储与机器可读存储介质442存储的指令和/或数据类似的指令和/或数据。例如，数据存储440可以是非易失性存储器并且机器可读存储介质442可以是易失性存储器。 [0104] 装置432可以进一步包括输入/输出接口438，处理器434可以通过该输入/输出接口438与一个或多个外部设备(未示出)通信，例如，以接收和存储关于一个或多个要制造(例如，打印)的物体的信息。输入/输出接口438可以包括硬件和/或机器可读指令以使得处理器434能够与一个或多个外部设备进行通信。输入/输出接口438可以实现到一个或多个外部设备的有线或无线连接。输入/输出接口438还可以包括网络接口卡和/或还可以包括硬件和/或机器可读指令以使处理器434能够与各种输入和/或输出设备，例如键盘、鼠标、显示器、另一装置、电子设备、计算设备等通信，用户可通过这些输入和/或输出设备将指令输入装置432。 [0105] 在一些示例中，机器可读存储介质442可以存储输入数据444。输入数据444可以从一个或多个传感器436获得(例如，接收)，可以从另一个设备接收，和/或可以被预测。输入数据444的示例包括热图像、温度图、形状图和/或连续色调图。例如，处理器434可以执行指令以获得一个或多个层的捕获的热图像。在一些示例中，装置432可以包括一个或多个传感器436，可以耦接到一个或多个远程传感器，和/或可以接收来自(集成和/或远程)传感器的输入数据444(例如，一个或多个热图像、温度图、形状图、连续色调图等)。传感器436的一些示例包括热相机(例如，红外相机)和光学相机。其他类型的传感器可以被使用。 [0106] 在一些示例中，一个或多个传感器436可以为神经网络训练提供体素级(或接近体素级)热感测(例如，640×480像素)。例如，一个或多个传感器436可以捕获用于训练温度图的热图像(例如，用于机器学习模型训练的体素级真值)。在自适应热扩散率内核预测的一些示例中，可以以每秒10帧的速率收集输入数据444，其中打印时间可以是每层大约10.7秒。感测速率可以提供每层大约100个图像，这可以为机器学习模型训练提供热图像片段。 [0107] 在一些示例中，输入数据444可以包括和/或可以基于一个或多个热图像。如上所述，热图像可以是指示区域和/或体积上的热(例如，温度)的图像。例如，热图像可以指示构建区域温度分布(例如，顶层上的热温度分布)。在一些示例中，装置432可以对热图像执行校正程序以补偿由一个或多个传感器436引入的失真。例如，可以变换热图像以将热图像与形状图和/或连续色调图配准。在不同的示例中可以使用不同类型的热感测装置。 [0108] 在一些示例中，处理器434可以执行输入获取指令446以获得输入数据444。例如，输入获取指令446可以被执行以生成一个或多个形状图(例如，从3D模型数据)和/或可以从另一个设备接收一个或多个形状图(例如，通过输入/输出接口438)。在一些示例中，输入获取指令446可以被执行以生成一个或多个连续色调图(例如，从3D模型数据和/或形状图数据)和/或可以从另一个设备接收一个或多个连续色调图(例如，通过输入/输出接口438)。 形状图可以指示在用于打印3D物体的2D层中的物体的位置。连续色调图可以指示试剂分布的位置。 [0109] 机器可读存储介质442可以存储内核指令452。处理器434可以执行内核指令452以基于输入确定内核矩阵。在一些示例中，内核指令452可以包括定义和/或实现一个或多个神经网络的数据。例如，内核指令452可以定义一个或多个节点、节点之间的一个或多个连接、一个或多个网络层和/或一个或多个神经网络。结合图5描述了可以根据本公开描述的技术实施的神经网络结构的示例。在一些示例中，内核指令452可以包括和/或定义热扩散率指令454和/或弹性张量指令456。在一些示例中，可以训练神经网络以产生用于热扩散率指令454的自适应热扩散率内核和/或用于弹性张量指令456的弹性内核。例如，热扩散率指令454可以包括一组可以用训练温度图和/或训练形状图训练的权重。在另一个示例中，弹性张量指令456可以包括一组训练的弹性权重。 [0110] 处理器434可执行内核指令452以基于输入确定内核矩阵。在一些示例中，处理器 434可以根据等式(5)和本公开描述的矩阵K来确定内核参数的内核矩阵。例如，处理器434可以将输入与子内核卷积并应用激活函数来产生内核参数。在一些示例中，内核矩阵可以是弹性张量或可以基于弹性张量。处理器434可以根据本公开描述的矩阵K来构造内核参数。 [0111] 机器可读存储介质442可以存储度量计算指令450。处理器434可以执行度量计算指令450来计算内核矩阵的参数的统计度量(例如范数)以确定材料相。例如，处理器434可以根据等式(6)或等式(7)基于来自内核矩阵的内核参数来计算范数。统计度量可以指示相状态的可能性。在一些示例中，处理器434可以计算内核矩阵的参数的L1范数、L2范数或另一统计度量以确定材料相。 [0112] 在一些示例中，处理器434可以执行操作指令460以基于内核矩阵和/或材料相执行操作。例如，处理器434可以基于预测的温度图打印一个或多个层(例如，控制试剂的量和/或位置)。在一些示例中，处理器434可以基于内核矩阵和/或材料相来驱动模型设置(例如，步幅的大小)。附加地或替代地，处理器434可以基于内核矩阵和/或材料相来执行离线打印模式调整。在一些示例中，处理器434可以基于内核矩阵和/或材料相来执行打印监控。 附加地或替代地，处理器434可以基于内核矩阵和/或材料相发送消息(例如，警戒、警报、进度报告、质量评级等)。附加地或替代地，在内核矩阵和/或材料相指示存在问题(例如，烧结误差)的情况下，处理器434可以停止打印。附加地或替代地，处理器434可以将即将到来的层的内核矩阵和/或材料相馈送到热反馈控制系统以在线补偿即将到来的层的形状图。 [0113] 在一些示例中，机器可读存储介质442可以存储3D模型数据462。3D模型数据462可以由装置432生成和/或从另一设备接收。在一些示例中，机器可读存储介质442可以包括切片指令(图4中未示出)。例如，处理器434可以执行切片指令以对3D模型数据执行切片以产生形状图(例如，2D向量切片)的堆栈。 [0114] 在一些示例中，操作指令460可以包括3D打印指令。例如，处理器434可以执行3D打印指令以打印一个或多个3D物体。在一些实施方式中，3D打印指令可以包括用于控制一个或多个设备(例如，辊子、打印头和/或热投射仪等)的指令。例如，3D打印指令可以使用一个或多个形状图来控制一个或多个打印头在一个或多个形状图指定的一个或多个位置进行打印。在一些示例中，处理器434可以执行3D打印指令以打印一个或多个层。打印(例如，热投射仪控制)可以基于温度图(例如，来自捕获的热图像和/或预测的温度图)。 [0115] 在一些示例中，机器可读存储介质442可以存储神经网络训练指令。处理器434可以执行神经网络训练指令以训练一个或多个神经网络(例如由内核指令452定义)。在一些示例中，处理器434可以使用一组训练数据(例如，温度图、训练形状图和/或训练连续色调图)来训练一个或多个神经网络。在一些示例中，可利用传感器436获得训练温度图。在一些示例中，传感器436可以放置在增材制造设备(例如，打印机)之外。在一些方法中，神经网络训练指令可以包括损失函数。处理器434可以基于神经网络预测和训练数据计算损失函数。 例如，训练数据可以为损失函数提供真值。可利用损失函数训练一个或多个神经网络。例如，可以基于损失函数调整一个或多个神经网络中的一个或多个节点和/或一个或多个连接权重，以提高一个或多个神经网络的预测精度。应当注意，并非结合图4描述的所有功能和/或特征都可以在所有示例中实现或利用。 [0116] 图5是图示可以根据本公开公开的一些示例技术实施的神经网络结构的示例的示意图。例如，可以根据本公开描述的方法100、200、3D打印设备300和/或装置432的一些示例来利用神经网络结构。图5图示了输入图572。例如，输入图572可以表示温度图和形状图的串联。输入图572的部分570(例如，窗口或滑动窗口)可以被提取为输入。在该示例中，部分 570是一组3×3像素并且可以表示为X(其中Xi,j表示输入的像素)。部分570可以与一组子内核568中的每一个单独卷积。 [0117] 在该示例中，可以使用九个子内核568，但为了方便起见示出了五个子内核568。每个子内核568可以表示为Qu,v。在该示例中，每个子内核568是一个3×3的子内核，包括九个权重(例如可以表示为w0,0，w0,1，w0,2，w1,0，w1,1，w1,2，w2,0，w2,1和w2,2)。 [0118] 子内核568与部分570的卷积(例如，σ0，0＝∑wi，jXi，j)可以产生内核参数566。内核参数566可以表示为k0,0，k0,1，k0,2，k1,0，k1,1，k1,2，k2,0，k2,1和k2,2。内核参数566可以是自适应热扩散率内核564(例如，k0，0＝ReLu(σ0，0))的组成部分。 [0119] 在一些示例中，可以观察到自适应热扩散率内核对于每个体素是不同的。内核参数可能不同，这可能表示各向异性特性。内核参数在实体零件的中心可能很小并且接近于零，这与能量吸收主导零件中心的热行为是一致的，其中热传导可能很少见。由于传导，内核参数可能更大，但在粉末区域仍然相对较小。边界区域中的扩散率可能要大得多，这可能表明热扩散主要沿边界发生。 [0120] 图6是示出自适应热扩散率内核预测以检测材料相的示例的示意图。具体地，图6图示了在八个样本位置处结合八个自适应热扩散率内核674、676、678、680、682、684、686、 688的预测温度图690。在该示例中，自适应热扩散率内核674、676、678、680、682、684、686、 688具有3×3维度。在该示例中，使用了温度图中的400×400像素块，其中每个像素代表构建区域中的0.5毫米(mm)(例如，h＝0.5)。在该示例中使用了dt＝0.3秒的时间间隔。 [0121] 表1列出了上述八个样品位置的计算出的范数(例如，烧结状态检测分数|K|)。八个样品位置包括内部、粉末和边界。可以观察到|K|在边界位置较大，这可能表明体素经历了烧结状态。 [0122] 表1 [0123] 内核 位置 |K| 674 内部 0 676 边界 1.0385 678 边界 0.9308 680 粉末 0.7478 682 粉末 0.6236 684 边界 0.9389 686 边界 0.8118 688 内部 0 [0124] 本公开公开的技术的一些示例可以提供体素级的原位颗粒烧结状态检测。该技术的一些示例可以通过检测来自热感测的自适应体素热扩散率参数来检测体素原位颗粒烧结状态。一些示例可以提供对部件周围粉末体素的颗粒烧结事件可能性的评估，这可能有助于检测物体的几何精度。一些示例可用于主动闭环控制和/或被动监控程序，以增强对零件质量的控制。一些示例可能适用于各种增材制造技术，例如SLA、Multi‑Jet Fusion和/或Metal Jet Fusion等。 [0125] 在本公开描述的技术的一些示例可以通过在体素级上实现原位颗粒烧结状态的在线或离线检测而得益。通过启用沿物体边界的体素级几何质量的在线或离线监控，一些示例可能是有益的。通过将体素原位颗粒烧结状态与局部自适应热扩散率相关联，一些示例可能是有益的。通过利用考虑热扩散率特性的定量热扩散率预测模型，一些示例可能是有益的。 [0126] 应注意的是，虽然本公开描述了系统和方法的各种示例，但本公开不应限于这些示例。可以在本公开的范围内实施本公开描述的示例的变形。例如，可以省略或组合本公开描述的示例的操作、功能、方面或元素。