以下这份来自亚琛弗劳恩霍夫研究所的年度报告介绍了一个国际研究项目，该项目旨在利用人工智能算法取代专家知识。Arnold GmbH积极参与了这项为期三年的项目。
目的是使用来自不同材料的样品，最终以自动化方式确定激光抛光的适用性和正确参数。
Arnold GmbH公司的任务是将一台高精度白光干涉仪集成到现有机器中，并将其纳入自动化流程。其中一个难点在于，最初并不清楚干涉仪会对振动等外部因素作何反应。
基于人工智能的激光抛光工艺参数自动确定
与许多激光工艺一样，确定金属激光抛光合适的工艺参数需要专业知识和高水平的人员努力。当材料发生变化，初始粗糙度发生显着变化时，必须通过实验调整工艺参数或重新确定工艺参数。激光抛光过程中产生的表面结构（例如凹口、凸起或马氏体针）限制了可达到的最小粗糙度。然而，通过专门调整工艺参数，可以显着减少表面结构。为此，首先对测试表面进行抛光。然后，工艺专家使用白光干涉仪进行形貌测量，并分析其表面结构，这需要相当大的努力。
自学习、自动化激光抛光系统
为了实现工艺参数开发的自动化，我们与Arnold Ravensburg 公司合作，将一台白光干涉仪集成到激光抛光系统中。新开发的控制软件（工作流程控制器）协调激光抛光系统、激光器、光学器件和白光干涉仪，从而实现了从实验规划、激光抛光到后续原位测量的自动化流程。利用人工智能辅助的分析软件，对采集到的形貌图像进行粗糙度特征和表面结构的分析。此外，我们还使用专门为金属激光抛光开发的模块，对工艺参数进行评估和预筛选，供用户使用。
利用 AI 对表面结构进行分类
与传统工艺参数开发相比，自动化激光抛光系统可节省高达 50% 的工作时间。首次在包含 2500 多个地形图像的数据集上训练用于对表面结构进行分类的 AI 模块。先前的结果显示，单一结构识别的准确度超过 95%，结构叠加的准确度高达 82%。本报告所依据的研发项目 3 + 2 Al La-Pol 是代表联邦教育和研究部进行的，资金编号为 01DM21003B。