SensiCut: Продвинутая платформа лазерного резака точно идентифицирует материалы

С добавлением компьютеров лазерные резаки быстро стали относительно простым и мощным инструментом, с программным обеспечением, контролирующим машину, способной резать металлы, дерево, бумагу и пластики. Но пользователи всё ещё сталкиваются с трудностями различения запасов визуально похожих материалов.

Команда создала SensiCut , умную платформу сенсирования материалов для лазерных резаков. В отличие от конвенциональных, основанных на камере подходов, которые могут легко ошибочно идентифицировать материалы, SensiCut идентифицирует материалы с использованием глубокого обучения и оптического метода, называемого спекл-сенсингом, техникой, использующей лазер для чувствования микроструктуры поверхности, обеспечиваемой всего одним аддоном для сенсирования изображения.

SensiCut может потенциально защитить пользователей от опасных отходов, обеспечить материал-специфические знания, предложить тонкие корректировки резки для лучших результатов и даже гравировать различные предметы, такие как одежда или чехлы для телефонов, состоящие из нескольких материалов. Система использует микрон-уровневую структуру поверхности материала, уникальную характеристику даже при визуальном сходстве с другим типом. Без неё пришлось бы делать обоснованное предположение о правильном имени материала из большой базы данных.

Помимо использования камер, стикер-теги (как QR-коды) также использовались на отдельных листах для их идентификации. Однако во время лазерной резки, если код отрезается от основного листа, он не может быть идентифицирован для будущих использований. Также, если неправильный тег прикреплён, лазерный резак будет предполагать неверный тип материала. Команда обучала глубокую нейронную сеть SensiCut на изображениях 30 разных типов материалов более чем 38 000 изображений, где она могла затем дифференцировать такие вещи, как акрил, пенопласт и стирен, и даже предоставлять дальнейшие рекомендации по настройкам мощности и скорости.

В одном эксперименте команда построила фейс-шилд, который потребовал бы различения прозрачных материалов из мастерской. Пользователь сначала выберет файл дизайна в интерфейсе, а затем использует функцию «pinpoint», чтобы заставить лазер двигаться для идентификации типа материала в точке на листе. Лазер взаимодействует с очень крошечными особенностями поверхности и лучи отражаются от неё, прибывая к пикселям датчика изображения и производя уникальное 2D изображение. Система может тогда предупредить или пометить пользователя, что их лист — поликарбонат, что означает потенциально высокотоксичные пламена при резке лазером.

Спекл-образовательная техника использовалась внутри лазерного резака с низкозатратными, готовыми компонентами, как микропроцессорная плата Raspberry Pi Zero. Чтобы сделать её компактной, команда спроектировала и 3D-напечатала лёгкий механический корпус.

Помимо лазерных резаков, команда представляет, что сенсинговая технология SensiCut может в конечном счёте быть интегрирована в другие инструменты фабрикации, такие как 3D-принтеры. Они также планируют расширить систему, добавив обнаружение толщины, существенную переменную в составлении материала.