SensiCut: Geavanceerd laser snijder platform identificeert materialen accurate

Met de toevoeging van computers zijn laser snijders snel een relatief eenvoudig en krachtig instrument geworden, met software die machines bestuurt die metalen, hout, papier en kunststoffen kunnen knippen. Maar gebruikers ondervinden nog steeds moeilijkheden bij het onderscheiden van voorraden van visueel vergelijkbare materialen.

Een team heeft SensiCut  gecreëerd, een slim materiaal-sensingsplatform voor laser snijders. In tegenstelling tot conventionele, camera-gebaseerde benaderingen die materialen gemakkelijk kunnen misidentificeren, identificeert SensiCut materialen met behulp van diep leren en een optische methode genaamd speckle sensing, een techniek die een laser gebruikt om een oppervlakte's microstructuur te senseren, mogelijk gemaakt door slechts één beeld-sensings add-on.

SensiCut kan potentiëel gebruikers beschermen tegen gevaarlijk afval, materiaalspecifieke kennis bieden, subtiele snij-aanpassingen voor betere resultaten suggereren, en zelfs diverse items graveren zoals kleding of telefoonhoesjes die uit meerdere materialen bestaan. Het systeem benut een materiaal's micron-niveau oppervlaktestructuur, een unieke kenmerk zelfs wanneer visueel vergelijkbaar met een ander type. Zonder het zou een ausgebild gok gemaakt moeten worden over de juiste materiaalnaam uit een grote database.

Naast het gebruik van cameras, zijn stiker tags (zoals QR-codes) ook gebruikt op individuele vellen om ze te identificeren. Echter, tijdens lasersnijden, als de code van het hoofdvel afgeknipt wordt, kan het niet geïdentificeerd worden voor toekomstige gebruik. Ook, als een onjuiste tag bevestigd is, zal de laser snijder het verkeerde materiaaltype aannemen. Het team trainde SensiCut's diepe neurale netwerk op afbeeldingen van 30 verschillende materiaaltypen van meer dan 38.000 afbeeldingen, waar het toen kon differentiëren tussen dingen als acrylaat, schuimplaat en styreen en zelfs verdere begeleiding kon geven over vermogen en snelheidsinstellingen.

In een experiment bouwde het team een gezichtsscherm, wat zou vereisen om te distinguereen tussen transparante materialen uit een werkplaats. De gebruiker zou eerst een ontwerpbestand in de interface selecteren en dan de "pinpoint" functie gebruiken om de laser te laten bewegen om het materiaaltype op een punt op het vel te identificeren. De laser interageert met de heel kleine oppervlaktekenmerken en de stralen worden eraf gereflecteerd, aankomend op de pixels van de beeldsensor en producerend een uniek 2D beeld. Het systeem kon dan de gebruiker waarschuwen of vlaggen dat hun vel polycarbonaat is, wat betekent potentiëel hoog giftige vlammen als gesneden door een laser.

De speckle imaging techniek werd gebruikt binnen een laser snijder met laagkost, off-the-shelf componenten als een Raspberry Pi Zero microprocessor bord. Om het compact te maken, ontwierpen en 3D-printte het team een lichtgewicht mechanische behuizing.

Naast laser snijders, envisioneert het team dat SensiCut's sensing technologie uiteindelijk geïntegreerd kan worden in andere fabricatietools zoals 3D-printers. Ze plannen ook het systeem uit te breiden door dikte detectie toe te voegen, een pertinente variabele in materiaalsamenstelling.