您好！我是Ada，PowderSight智能助手。
💡 我可以帮您：
• 查询价格（如"镍价"）
• 搜索产品（如"搜索TC4"）
• 推荐材料（如"散热材料"）
• 探索产业图谱（如"TC4有哪些供应商"）
• 发布采购需求（如"我要买15-45μm的TC4粉末"）
• 介绍平台（如"会员对比"）
试试输入"帮助"查看更多功能！
📰 入选日报 · 2026-11-02综述：机器学习缺陷检测在粉末基金属增材制造中集中成熟于PBF，DED/BJ证据仍稀疏
《Materials Today Communications》10月31日在线刊发综述，系统梳理机器学习（ML）在粉末基金属增材制造缺陷检测与分类中的应用，覆盖粉末床熔融（PBF-LB/M、PBF-EB/M）、定向能量沉积（DED）、粘结剂喷射（BJ）等工艺，方法囊括监督/半监督/无监督学习及CNN、自编码器、随机森林、GAN等。
趋势数据：该领域研究论文由2015年2篇增至2025年234篇；综述明确指出ML证据主要集中于PBF，DED与BJ仍较稀疏。
对粉末AM量产化的含义：在线质量闭环是扩产关键瓶颈，综述界定了各工艺ML成熟度差异，为「监测—检测—分类」技术选型提供路线图。
📧 每天 8:30 送达《金属粉末行业日报》· 行业动态一网打尽
订阅日报 →
原文链接：
🔒 登录后查看原文