问题——增材制造质量稳定性仍是产业化关键关口。激光粉末床熔融等增材制造工艺在航空航天、医疗器械、模具制造等领域应用加快，但其成形过程具有高温、快速凝固、瞬态复杂等特点，容易出现孔隙、未熔合、飞溅导致的夹杂等缺陷。缺陷一旦在成形阶段未被及时发现，后续往往需要返工、报废或增加昂贵的无损检测环节，不仅抬升成本，也影响交付周期与一致性。 原因——单一传感与离线检测难以满足“过程可控”。传统方法多依赖成形后的X射线、超声或金相检验进行质量判定，属于“事后追溯”，难以对缺陷形成机理进行实时反馈。即便引入在线监测，单一传感信号在强噪声、强干扰场景下易出现误判与漏判：例如，单纯光学监测受粉尘、烟羽遮挡影响明显；声学信号虽具备对异常事件的敏感性，但与缺陷类型、位置的映射关系复杂。如何在复杂工况下实现更稳健的缺陷识别与定位，并兼顾部署成本与计算效率，成为制约在线质量控制的现实难题。 影响——多模态融合与轻量化落地成为重要方向。此次公开的专利信息显示，有关方案面向激光粉末床熔融过程，同时获取X射线图像信息和声信号信息，并对两类信息进行预处理与标注以构建数据集。在模型训练上，引入多模态教师模型，对图像与声学信息进行融合学习，以获得基于多模态信息的缺陷识别和定位能力；同时训练单模态学生模型，仅以声信号作为输入，并通过知识蒸馏策略将多模态模型的能力迁移至单模态模型。业内人士指出，这类路径有望在研发环节充分利用高信息密度的多模态数据提升识别上限，在工程部署环节以更低成本的单模态传感实现较高水平的在线监测，从而在“精度—成本—可维护性”之间寻求平衡。 对策——以数据闭环和标准化推动工程应用。要让在线缺陷监测真正服务生产，还需在专利方案之外形成系统性配套：一是加强数据采集与标注规范建设，围绕材料体系、粉末批次、工艺窗口、设备差异建立可追溯数据链，提升模型泛化能力；二是推动监测结果与工艺控制联动，将识别与定位结果转化为可执行的参数调整策略，形成“监测—诊断—调参—验证”的闭环；三是强化可靠性验证与一致性评估，在长周期运行、不同工况切换、传感器漂移等场景下进行鲁棒性测试；四是推进产学研协同，以高校基础研究能力叠加企业工程化经验，加快从实验室算法到产线系统的转化效率。 前景——在线质量控制或将提升增材制造规模化应用能力。随着高端制造对复杂结构、快速迭代和个性化生产的需求持续增长，增材制造的“可控、可证、可追溯”将成为重要竞争力。多模态融合训练叠加单模态部署的思路，有望在保证监测能力的同时降低传感与算力门槛，为中小企业导入在线监测提供可行路径。未来，若与数字孪生、工艺仿真、材料数据库等体系深入结合，缺陷监测将从“发现问题”走向“预测风险、主动预防”，推动增材制造向更高质量、更高效率、更可规模化方向演进。
该技术突破展现了"研发-应用"全链条创新的价值，为制造业智能化转型提供了新思路。随着信息技术与制造的深度融合，智能监测体系有望重塑工业质量标准。