伊利諾伊研究人員發現，每臺3D打印機都會在打印件上留下獨特的“指紋”
導讀：如果有人用3D打印機打印了一個物品遞給你，你有多大把握能準確說出這是什么型號的3D 打印機打印的？如果不靠猜測，我們或許根本無法確定是哪臺機器打印的。
2025年5月28日，伊利諾伊大學的研究人員利用人工智能技術開發了一種可以準確識別出3D打印零件的制造設備、工藝和材料的方法，標志著增材制造溯源與質量監管進入了一個新的階段。
3D打印具有獨特的“指紋”
研究團隊由伊利諾伊大學香檳分校機械科學與工程教授Bill King領導。團隊發現，每臺工業3D打印機在打印過程中都會留下獨特的、機器特有的微觀表面“指紋”。基于這一原理，研究人員開發并訓練了一個卷積神經網絡模型，能夠幾乎完美地識別零件的來源打印機。該模型基于EfficientNet-V2架構，并結合多重圖像裁剪投票機制，在測試中表現出極高精度。
King表示：“世上存在成千上萬臺3D打印機，數以千萬計的3D打印部件被廣泛應用于飛機、汽車、醫療設備、消費品及其它眾多領域。每個部件都擁有其獨特的特征，這些特征可以通過人工智能技術識別出來，它們隱藏在顯而易見的地方。”
在實驗中，團隊使用21臺商用3D打印機生產了9192個零件，覆蓋四種主流增材制造工藝：數字光合成（DLS）、多噴射熔合（MJF）、立體光刻（SLA）和熔融沉積成型（FDM）。每個零件都通過平板文檔掃描儀以5.3微米/像素的高分辨率掃描，構建出詳盡的圖像數據庫供模型訓練與驗證使用。
人工智能系統將改善更大規模的制造流程
模型在未見過的測試樣本上展現出98.5% 的準確率用于識別打印設備；在制造工藝與材料識別上，更是達到接近100%的準確率。此外，對于數字光合成工藝，模型還能推斷出構建托盤上的具體位置。
驚訝嗎？事實上，就連King本人也難以置信。他說道：“我們至今仍對它的有效性感到驚訝。我們可以在兩臺完全相同的機器上打印相同的零件，設計相同的型號、相同的工藝設置、相同的材料。每臺機器都會留下獨特的指紋，AI模型可以追溯到這臺機器。這可以精確地確定某件物品的制造地點和制造方式。”
研究還系統分析了識別精度對圖像分辨率與裁剪尺寸的依賴性。結果顯示，對于DLS等高分辨率工藝，200微米的圖像區域已足夠；而FDM等低分辨率工藝則需更大區域（約3毫米），但對圖像清晰度要求相對較低。這一特性確保了該方法可廣泛適配市面上的常規掃描設備與工業相機。
總的來說，這種AI模型不僅提升了3D打印質量控制能力，還為供應鏈監管與防偽追溯提供了切實可行的工具。制造商和承包商可利用該系統驗證生產設備的合規性、檢測流程變更或異常，乃至在不依賴標簽或供應商合作的前提下，有效識別假冒或缺陷零部件。
(責任編輯：admin)
蘇黎世聯邦理工學院揭幕To
雙仿生策略，3D打印支架攜
當古老水城遇見未來科技，
Nature子刊：韓國研究團隊
中國人民解放軍總醫院：3D
突破性生物3D打印
迪拜LEAP 71公司
3D生物打印構建內
《Small Science
南洋理工-劍橋大
清華大學：抗拉強
