L’intelligenza artificiale sta assumendo un ruolo sempre più centrale nel controllo qualità dei processi di manifattura additiva. Tuttavia, questi sistemi di apprendimento richiedono spesso di essere riaddestrati da zero quando vengono introdotte nuove tipologie di difetti, con un notevole impatto in termini di tempo e risorse.
Nell’articolo di questa settimana presentiamo un lavoro che introduce un innovativo framework di Continual Learning per il riconoscimento automatico dei difetti. Basato su un approccio di Progressive Online Ridge Regression (PORR), il metodo consente al modello di apprendere progressivamente nuove classi di difetti mantenendo le conoscenze già acquisite, con un ridotto costo computazionale.
I risultati dimostrano come questa soluzione rappresenti un passo concreto verso sistemi di controllo qualità più flessibili, efficienti e pronti ad affrontare le esigenze dell’Industria 4.0.
Il lavoro è stato scritto in collaborazione con i colleghi del Dipartimento di Ingegneria Industriale, Elettronica e Meccanica di Roma Tre.
L’articolo è disponibile qui: doi.org/10.1007/s00170-026-18080-y