SensiCut: Fortschrittliche Laserschneider-Plattform identifiziert Materialien präzise

Mit der Hinzufügung von Computern sind Laserschneider schnell zu einem relativ einfachen und leistungsstarken Werkzeug geworden, mit Software, die Maschinen steuert, die Metalle, Hölzer, Papiere und Kunststoffe schneiden können. Aber Nutzer stehen immer noch vor Schwierigkeiten, bei Beständen visuell ähnlicher Materialien zu unterscheiden.

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

SensiCut könnte Nutzer potenziell vor gefährlichem Abfall schützen, materialspezifisches Wissen bereitstellen, subtile Schneideinstellungen für bessere Ergebnisse vorschlagen und sogar verschiedene Gegenstände wie Kleidungsstücke oder Handyhüllen gravieren, die aus mehreren Materialien bestehen. Das System nutzt die mikrometergenaue Oberflächenstruktur eines Materials, ein einzigartiges Merkmal selbst bei optisch ähnlichen Typen. Ohne es müsste man aus einer großen Datenbank raten, welcher Materialname der richtige ist.

Neben Kameras wurden auch Aufkleber-Tags (wie QR-Codes) auf einzelnen Bögen verwendet, um sie zu identifizieren. Während des Laserschneidens kann jedoch, wenn der Code vom Hauptbogen abgeschnitten wird, er für zukünftige Verwendungen nicht identifiziert werden. Auch wenn ein falscher Tag angebracht ist, geht der Laserschneider vom falschen Materialtyp aus. Das Team trainierte SensiCuts tiefes neuronales Netzwerk auf Bildern von 30 verschiedenen Materialtypen mit mehr als 38.000 Bildern, woraufhin es Dinge wie Acryl, Schaumplatten und Styrol unterscheiden und sogar weitere Anleitungen zu Leistungs- und Geschwindigkeitseinstellungen geben konnte.

In einem Experiment baute das Team ein Gesichtsschild, das die Unterscheidung zwischen transparenten Materialien aus einer Werkstatt erfordern würde. Der Nutzer würde zuerst eine Designdatei in der Oberfläche auswählen und dann die „Pinpoint“-Funktion nutzen, um den Laser zu bewegen, um den Materialtyp an einem Punkt auf dem Bogen zu identifizieren. Der Laser interagiert mit den winzigen Oberflächenmerkmalen und die Strahlen werden reflektiert, erreichen die Pixel des Bildsensors und erzeugen ein einzigartiges 2D-Bild. Das System könnte dann den Nutzer warnen oder kennzeichnen, dass ihr Bogen Polycarbonat ist, was potenziell hochgiftige Flammen beim Laserschneiden bedeutet.

Die Speckle-Imaging-Technik wurde in einem Laserschneider mit kostengünstigen, handelsüblichen Komponenten wie einem Raspberry Pi Zero Mikroprozessorboard verwendet. Um es kompakt zu machen, entwarf und 3D-druckte das Team ein leichtes mechanisches Gehäuse.

Jenseits von Laserschneidern stellt sich das Team vor, dass SensiCuts Sensortechnologie eventualmente in andere Fertigungswerkzeuge wie 3D-Drucker integriert werden könnte. Sie planen auch, das System durch Hinzufügen von Dickendetektion zu erweitern, eine relevante Variable in der Materialzusammensetzung.