Intelligentes Laserschneidsystem erkennt verschiedene Materialien

Mit der Hinzufügung von Computern sind Laserschneider schnell zu einem relativ einfachen und leistungsstarken Werkzeug geworden, dessen Software Maschinen steuert, die Metalle, Hölzer, Papier und Kunststoffe schneiden können. Benutzer haben jedoch immer noch Schwierigkeiten, zwischen Beständen visuell ähnlicher Materialien zu unterscheiden.

Ein Team hat SensiCut entwickelt , eine intelligente Materialerkennungsplattform für Laserschneider. Im Gegensatz zu herkömmlichen, kamerabasierten Ansätzen, die Materialien leicht falsch identifizieren können, identifiziert SensiCut Materialien mithilfe von Deep Learning und einer optischen Methode namens Speckle Sensing, einer Technik, die einen Laser verwendet, um die Mikrostruktur einer Oberfläche zu erfassen, was durch nur ein Bildsensor-Add- ein.

SensiCut könnte Benutzer möglicherweise vor gefährlichen Abfällen schützen, materialspezifisches Wissen vermitteln, subtile Schnittanpassungen für bessere Ergebnisse vorschlagen und sogar verschiedene Gegenstände wie Kleidungsstücke oder Handyhüllen gravieren, die aus mehreren Materialien bestehen. Das System nutzt die Mikrometer-Oberflächenstruktur eines Materials, eine einzigartige Eigenschaft, selbst wenn sie einem anderen Typ optisch ähnlich ist. Ohne sie müsste eine fundierte Vermutung zum richtigen Materialnamen aus einer großen Datenbank angestellt werden.

Neben der Verwendung von Kameras wurden auch Aufkleber-Tags (wie QR-Codes) auf einzelnen Blättern verwendet, um sie zu identifizieren. Wenn der Code jedoch beim Laserschneiden von der Hauptfolie abgeschnitten wird, kann er für zukünftige Verwendungen nicht identifiziert werden. Auch wenn ein falsches Etikett angebracht wird, nimmt der Laserschneider den falschen Materialtyp an. Das Team trainierte das tiefe neuronale Netzwerk von SensiCut mit Bildern von 30 verschiedenen Materialtypen von mehr als 38.000 Bildern, wo es dann zwischen Dingen wie Acryl, Schaumstoffplatten und Styrol unterscheiden und sogar weitere Hinweise zu Leistungs- und Geschwindigkeitseinstellungen geben konnte.

In einem Experiment baute das Team einen Gesichtsschutz, der eine Unterscheidung zwischen transparenten Materialien aus einer Werkstatt erfordern würde. Der Benutzer würde zuerst eine Designdatei in der Benutzeroberfläche auswählen und dann die „Pinpoint“-Funktion verwenden, um den Laser in Bewegung zu setzen, um den Materialtyp an einem Punkt auf dem Bogen zu identifizieren. Der Laser interagiert mit den sehr kleinen Merkmalen der Oberfläche und die Strahlen werden davon reflektiert, treffen auf die Pixel des Bildsensors und erzeugen ein einzigartiges 2D-Bild. Das System könnte den Benutzer dann warnen oder darauf hinweisen, dass es sich bei seiner Platte um Polycarbonat handelt, was potenziell hochgiftige Flammen bedeutet, wenn es mit einem Laser geschnitten wird.

Die Speckle-Imaging-Technik wurde in einem Laserschneider mit kostengünstigen, handelsüblichen Komponenten wie einer Raspberry Pi Zero-Mikroprozessorplatine verwendet. Um es kompakt zu machen, entwarf und druckte das Team ein leichtes mechanisches Gehäuse.

Über Laserschneider hinaus stellt sich das Team vor, dass die Sensortechnologie von SensiCut schließlich in andere Fertigungswerkzeuge wie 3D-Drucker integriert werden könnte. Sie planen auch, das System zu erweitern, indem sie eine Dickenerkennung hinzufügen, eine relevante Variable in der Materialzusammensetzung.