Умная система лазерной резки распознает различные материалы

С появлением компьютеров лазерные резаки быстро стали относительно простым и мощным инструментом с программным обеспечением, управляющим оборудованием, которое может резать металлы, дерево, бумагу и пластик. Но пользователи по-прежнему сталкиваются с трудностями при различении множества визуально похожих материалов.

Команда создала SensiCut , интеллектуальная платформа для лазерной резки, чувствительная к материалам. В отличие от традиционных подходов на основе камеры, которые могут легко идентифицировать материалы, SensiCut идентифицирует материалы, используя глубокое обучение и оптический метод, называемый спекл-зондированием, метод, в котором используется лазер для определения микроструктуры поверхности, обеспечиваемый всего одной надстройкой для распознавания изображения. вкл.

SensiCut потенциально может защитить пользователей от опасных отходов, предоставить информацию о конкретных материалах, предложить тонкую настройку резки для достижения лучших результатов и даже гравировать различные предметы, такие как одежда или чехлы для телефонов, которые состоят из нескольких материалов. В системе используется структура поверхности материала на микронном уровне, что является уникальной характеристикой даже при визуальном сходстве с другим типом. Без него пришлось бы делать обоснованное предположение о правильном названии материала из большой базы данных.

Помимо использования камер, метки-наклейки (например, QR-коды) также использовались на отдельных листах для их идентификации. Однако при лазерной резке, если код отрезается от основного листа, его невозможно идентифицировать для дальнейшего использования. Кроме того, если прикреплена неправильная бирка, лазерный резак примет неправильный тип материала. Команда обучила глубокую нейронную сеть SensiCut на изображениях 30 различных типов материалов из более чем 38 000 изображений, где затем она могла различать такие вещи, как акрил, пенопласт и стирол, и даже давать дополнительные рекомендации по настройкам мощности и скорости.

В одном из экспериментов команда построила лицевой щиток, который требовал различения прозрачных материалов в мастерской. Пользователь сначала выбирает файл проекта в интерфейсе, а затем использует функцию «точки», чтобы заставить лазер перемещаться для определения типа материала в точке на листе. Лазер взаимодействует с мельчайшими деталями поверхности, и лучи отражаются от нее, попадая на пиксели датчика изображения и создавая уникальное 2D-изображение. Затем система может предупредить или пометить пользователя, что его лист изготовлен из поликарбоната, что означает потенциально высокотоксичное пламя при разрезании лазером.

Техника спекл-визуализации использовалась внутри лазерного резака с недорогими готовыми компонентами, такими как микропроцессорная плата Raspberry Pi Zero. Чтобы сделать его компактным, команда разработала и напечатала на 3D-принтере легкий механический корпус.

Помимо лазерных резаков, команда предполагает, что сенсорная технология SensiCut в конечном итоге может быть интегрирована в другие инструменты производства, такие как 3D-принтеры. Они также планируют расширить систему, добавив функцию определения толщины, важную переменную в составе материала.