攻克行业痛点，盈创极光推出舱壁反光感知图像增强软件系统！

为满足高温稳定性、气氛纯净度与均匀温场控制等核心工业要求，工业级SLM设备普遍采用光滑金属舱壁。这一设计虽保障了工艺安全，却因其高反射特性导致成像时光照不均，严重影响铺粉视觉检测效果。

针对此光学难题，硬件改造方案成本高且易引入新风险。为此，盈创极光研发出融合物理反射模型与双通道深度分解网络的图像增强算法。该技术通过Retinex与PCA分解有效分离光照与结构信息，结合金属噪声感知损失函数，实现对反光、噪声与缺陷的联合优化，为铺粉质量监测提供了更普适、可靠的软件解决方案。

SLM铺粉图像的退化主要由舱壁反光引起，表现为非均匀光照与金属粉末噪声的叠加。舱壁反光是由于铺粉平台表面与周围舱壁结构之间的光反射作用导致的非均匀光照现象。为精确描述该现象，基于曲面光学理论对反光分布进行机理建模。

该模型将舱壁反光(宏观光照不均)与粉末散射噪声(微观随机波动)统一在一个框架下，完整地描述了SLM铺粉图像的退化机理，为后续具有针对性的图像增强算法奠定了理论基础。 (Fig.3)给出了反光强度在铺粉平台上的空间分布示意图。

FIG.3.撒粉平台反射强度空间分布示意图.(a)粉床区域划分.(b)实际墙壁反射光分布

本算法的核心思路是将物理模型深度嵌入数据驱动的深度学习框架，通过物理先验引导网络的学习方向，增强其可解释性与泛化能力。该协同框架如(Fig.5)所示，主要包含三个核心模块：反光物理建模、双通道分解网络与金属噪声感知损失。

本网络设计Retinex通道与PCA通道，分别从光照不变性和结构一致性两个角度处理图像，实现反射分量与结构信息的有效分离。这种双通道涉及的动机在于克服单一Retinex分解在SLM图像中的局限性。

针对SLM铺粉图像受舱壁反光影响导致的非均匀光照、对比度衰减及金属噪声干扰等问题，提出了一种具有物理可解释性的舱壁反光感知图像增强方法。通过系统分析舱壁反光的物理机理，构建了融合物理模型与数据驱动的双通道分解网络，并引入金属噪声感知损失函数，实现了对反光与噪声的联合抑制，显著提升了铺粉图像的视觉质量与缺陷检测能力。

测试件

自主开发智能监测与优化算法，是盈创极光构建智能金属3D打印系统的核心一环。此次推出的智能铺粉监测功能，不仅从源头保障了打印品质、降低了综合成本，更展现了公司在融合物理模型与前沿算法层面的硬核实力。

未来，盈创极光将持续深耕智能感知与质量管控技术，进一步完善从“感知-诊断-决策-控制”的自主软件生态，以更精准、更可靠的工业级解决方案，助力高端制造领域突破质量瓶颈，为中国智造贡献创新力量。