Slim lasersnijsysteem detecteert verschillende materialen

Met de toevoeging van computers zijn lasersnijders snel een relatief eenvoudig en krachtig hulpmiddel geworden, met software die machines bestuurt die metalen, hout, papier en plastic kunnen hakken. Maar gebruikers hebben nog steeds moeite om onderscheid te maken tussen voorraden visueel vergelijkbare materialen.

Een team heeft SensiCut . gemaakt , een slim materiaaldetectieplatform voor lasersnijders. In tegenstelling tot conventionele, op camera's gebaseerde benaderingen die materialen gemakkelijk verkeerd kunnen identificeren, identificeert SensiCut materialen met behulp van deep learning en een optische methode genaamd speckle sensing, een techniek die een laser gebruikt om de microstructuur van een oppervlak te detecteren, mogelijk gemaakt door slechts één beeldgevoelige toevoeging. aan.

SensiCut kan gebruikers mogelijk beschermen tegen gevaarlijk afval, materiaalspecifieke kennis bieden, subtiele snijaanpassingen voorstellen voor betere resultaten en zelfs verschillende items graveren, zoals kledingstukken of telefoonhoesjes die uit meerdere materialen bestaan. Het systeem maakt gebruik van de oppervlaktestructuur van een materiaal op micronniveau, een unieke eigenschap, zelfs wanneer het visueel op een ander type lijkt. Zonder dit zou er een weloverwogen schatting gemaakt moeten worden van de juiste materiaalnaam uit een grote database.

Naast het gebruik van camera's, zijn stickertags (zoals QR-codes) ook op afzonderlijke vellen gebruikt om ze te identificeren. Als de code tijdens het lasersnijden echter van het hoofdvel wordt afgesneden, kan deze niet worden geïdentificeerd voor toekomstig gebruik. Als er een verkeerde tag is bevestigd, neemt de lasersnijder ook het verkeerde materiaaltype aan. Het team trainde het diepe neurale netwerk van SensiCut op afbeeldingen van 30 verschillende materiaalsoorten van meer dan 38.000 afbeeldingen, waar het vervolgens onderscheid kon maken tussen zaken als acryl, foamboard en styreen en zelfs verdere richtlijnen kon geven over vermogens- en snelheidsinstellingen.

In één experiment bouwde het team een ​​gezichtsscherm, waarbij onderscheid moest worden gemaakt tussen transparante materialen uit een werkplaats. De gebruiker zou eerst een ontwerpbestand in de interface selecteren en vervolgens de "pinpoint" -functie gebruiken om de laser in beweging te krijgen om het materiaaltype op een punt op het blad te identificeren. De laser interageert met de zeer kleine kenmerken van het oppervlak en de stralen worden erdoor gereflecteerd, komen aan bij de pixels van de beeldsensor en produceren een uniek 2D-beeld. Het systeem kan de gebruiker dan waarschuwen of markeren dat hun plaat polycarbonaat is, wat potentieel zeer giftige vlammen betekent als ze door een laser worden gesneden.

De spikkelbeeldvormingstechniek werd gebruikt in een lasersnijder met goedkope, kant-en-klare componenten zoals een Raspberry Pi Zero-microprocessorbord. Om het compact te maken, heeft het team een ​​lichtgewicht mechanische behuizing ontworpen en in 3D geprint.

Naast lasersnijders, voorziet het team dat de sensortechnologie van SensiCut uiteindelijk kan worden geïntegreerd in andere fabricagetools zoals 3D-printers. Ze zijn ook van plan het systeem uit te breiden door diktedetectie toe te voegen, een relevante variabele in materiaalsamenstelling.