橡树岭国家实验室开发的算法可以极大地增强3D打印金属部件的X射线计算机断层扫描(XCT)图像，从而实现更准确、更快的扫描。

工业XCT作为一种无损检测和鉴定增材制造或AM零件的方法越来越受欢迎。但该过程受到一种称为光束硬化的影响，该效应会影响标准算法解决重建图像中的小缺陷(如孔隙和裂缝)的能力。

为了改进这一过程，ORNL研究人员展示了一种使用深度神经网络的新方法，该网络是在来自计算机辅助设计模型和基于物理的信息的模拟数据上训练的。

该方法减少了噪声和伪影，并比典型算法更快地生成更高质量的图像。

ORNL的AmirZiabari说：“我们的目标是提高X射线图像的分辨率和缺陷可检测性，这反过来将有助于AM部件的鉴定和认证。”