2.1. 凝膠化過程中的光散射原理
關鍵的促成因素是光固化樹脂從液態轉變為凝膠（固態）狀態時，光散射的急劇增加。研究人員利用這種散射密度的變化作為一種原生對比機制。樹脂瓶內的固化物體充當一個三維散射模型，可以使用相同的光路或互補的成像系統進行即時斷層掃描成像。
1. 簡介
體積積層製造（VAM），特別是斷層掃描式VAM，透過實現整個三維結構的同步固化，代表了從傳統逐層技術的典範轉移。此方法消除了層狀瑕疵與支撐結構，達成一分鐘內的列印時間。然而，一個關鍵瓶頸在所有積層製造模式中持續存在：列印後再量測工作流程的順序性質。微電腦斷層掃描或光學掃描等非原位計量技術耗時、成本高，且會中斷快速原型製作週期。本文透過介紹一個完全同步、直接整合到斷層掃描VAM製程中的原位三維計量系統，來解決這個根本性的差距。
2. 核心技術與方法論
此創新之處在於利用列印製程本身固有的物理現象進行計量。
2.2. 斷層掃描成像系統設置
該系統通常包括一個用於列印的數位光投影機，以及一個互補的成像系統（例如，相機陣列或搭配旋轉樣品瓶的單一相機），以從多個角度捕捉散射光的二維投影。這些投影隨後被重建為散射密度的三維體積圖，該圖直接對應於列印零件的幾何形狀。
3. 技術細節與數學基礎
此過程基於電腦斷層掃描原理。測量到的訊號是相機在投影角度 $\theta$ 下捕捉到的散射光強度 $I_s(\theta, x, y)$。這與樹脂體積內列印物體的三維散射係數分佈 $\mu_s(x, y, z)$ 透過線積分相關（簡化版）：
$I_s(\theta, x, y) = I_0 \cdot \exp\left(-\int_{L(\theta, x, y)} \mu_s \, dl\right) \cdot S(\theta, x, y)$
其中 $I_0$ 是入射光強度，積分沿著穿過體積的路徑 $L$ 進行，而 $S$ 代表散射函數。核心的重建問題涉及反轉這些投影以求解 $\mu_s(x, y, z)$，使用如濾波反投影（FBP）或迭代代數重建技術（ART）等演算法：
$\mu_s = \Re \left\{ \mathcal{F}^{-1} \left[ |\omega| \cdot \mathcal{F}(P_\theta) \right] \right\}$ （FBP公式）
此處，$P_\theta$ 是獲取的投影，$\mathcal{F}$ 表示傅立葉轉換，$|\omega|$ 是斜坡濾波器，而 $\Re$ 是反投影運算子。產生的三維圖是定量且無瑕疵的，能夠進行精確的尺寸分析。
4. 實驗結果與效能
4.1. 精度與解析度驗證
該論文報告了相對於總列印尺寸低於1%的尺寸精度。例如，一個10毫米的測試結構被測量出的誤差小於100微米。該計量系統在整個列印週期中持續捕捉完整的三維幾何形狀，提供了一個四維資料集（三維 + 時間）。
關鍵效能指標
尺寸精度： < 總列印尺寸的 1%
時間解析度： 連續、即時監控
資料輸出： 定量的三維 + 時間體積模型
4.2. 即時缺陷偵測展示
該系統成功展示了在列印異常發生時（例如不均勻固化或與預期數位模型的偏差）偵測它們的能力。這透過顯示列印物體生長和潛在變形的縮時重建影像來視覺化，將實際列印的幾何形狀與設計目標進行對比。
圖表/圖形描述： 並排比較通常會顯示：（左側）預期的CAD模型。（中間）顯示物體形成的三維重建散射密度圖時間序列，其色彩映射表示與標稱值的偏差。（右側）列印過程中關鍵尺寸（例如直徑）隨時間變化的圖表，突顯出缺陷導致可測量偏差超出公差範圍的點。
5. 分析框架：非程式碼案例研究
考慮一家製造商正在列印一個具有內部通道的小型複雜生物醫學支架。傳統工作流程： 列印（2分鐘）-> 從樹脂槽取出 -> 清洗 -> 運送至微電腦斷層掃描實驗室 -> 掃描（60+分鐘）-> 分析 -> 發現通道阻塞或壁厚錯誤 -> 重新設計 -> 重複。總週期時間：每次迭代約70+分鐘。具備即時計量功能的VAM工作流程： 同步列印與量測（2分鐘）。在列印過程中，三維重建顯示一個固化不足的區域可能阻塞通道。原則上，控制演算法可以即時調整後續的光圖案來修正它。列印後，立即獲得帶有驗證尺寸的完整三維模型。總週期時間：2分鐘，並有首次成功的潛力。
6. 產業分析師觀點
核心洞察： 這不僅僅是計量速度的漸進式改進；它是對積層製造回饋迴路的根本性重新架構。透過使用原生製程訊號（散射變化）作為量測媒介，研究人員有效地將列印體積本身轉變為自我感知的媒介。這巧妙地避開了整合外部探針（如雷射或X射線）的巨大複雜性，而這一直是實現真正原位三維計量的主要障礙。
邏輯流程： 其邏輯引人注目：1) 如果VAM的高速之後是緩慢的檢測，則其速度優勢被浪費。2) 外部計量工具具有侵入性且緩慢。3) 因此，尋找固化過程中固有的非侵入性訊號。4) 散射完美契合。5) 應用成熟的CT數學來重建幾何形狀。從問題識別到解決方案的流程直接且有效地利用了跨學科原理。
優勢與缺陷： 其優勢是無可否認的優雅性以及經過驗證的低於1%的精度。如同許多出色的實驗室展示一樣，主要的缺陷在於假設了理想條件。當樹脂含有染料、填料或改變散射特性的不同光起始劑時，此方法的表現如何？該論文的方法可能高度依賴特定樹脂。此外，目前的實施方式可能提供「偵測」功能，但並非完全自主的「修正」。要閉合該控制迴路，需要強大的即時演算法來解釋偏差並調整曝光——這是一個重大的軟體挑戰，類似於即時自適應光學或計算成像問題。
可行見解： 對於積層製造設備原廠商而言，這是一項必須追蹤的技術。率先整合強大即時計量功能的廠商將主導高價值的快速原型市場。當前的研發重點應放在：1) 在廣泛的樹脂庫中表徵此方法。2) 開發AI/ML層，將三維偏差圖轉換為修正性曝光指令，可能借鑒用於影像修正的生成對抗網路（GAN）概念。3) 探索將此散射資料與其他原位感測器（例如用於溫度的紅外線）整合，以形成全面的製程監控套件。目標不僅僅是讓相機觀看列印，而是建立一個理解並引導列印的認知系統。
7. 未來應用與發展方向
- 閉環製程控制： 最終目標是即時修正。未來的系統將使用計量資料作為控制演算法的輸入，動態調整投影的光圖案以補償偵測到的偏差，確保首次即正確列印。
- 材料梯度與多材料列印： 該技術可以擴展到監控單次列印中不同樹脂或樹脂混合物的固化情況，實現複雜材料特性分佈的原位驗證。
- 與數位雙生整合： 連續的四維（三維+時間）資料流非常適合創建和更新列印製程的數位雙生，實現預測性維護和進階品質分析。
- 標準化與認證： 對於航太和醫療設備等產業，此技術可以提供零件認證所需的可追溯、製程中驗證資料，可能減少生產後測試的負擔。
- 擴展到其他積層製造模式： 雖然在斷層掃描VAM中展示，但利用材料在相變過程中固有光學變化的核心原理，可以啟發針對其他基於光聚合（例如DLP、SLA）甚至基於燒結的積層製造製程的類似方法。
8. 參考文獻
- Kelly, B. E., et al. "Volumetric additive manufacturing via tomographic reconstruction." Science 363.6431 (2019): 1075-1079.
- Loterie, D., et al. "High-resolution tomographic volumetric additive manufacturing." Nature Communications 11.1 (2020): 852.
- Shusteff, M., et al. "One-step volumetric additive manufacturing of complex polymer structures." Science Advances 3.12 (2017): eaao5496.
- ISO/ASTM 52921:2013. Standard terminology for additive manufacturing—Coordinate systems and test methodologies.
- Goodfellow, I., et al. "Generative adversarial nets." Advances in neural information processing systems 27 (2014). （關於AI驅動修正概念的背景）。
- National Institute of Standards and Technology (NIST). "Measurement Science for Additive Manufacturing." （強調積層製造中更廣泛的計量挑戰）。
- Wang, C., et al. "In-situ monitoring and adaptive control in additive manufacturing: A review." International Journal of Advanced Manufacturing Technology 115 (2021): 1309–1330.