다양한 재료를 감지하는 스마트 레이저 절단기 시스템

컴퓨터의 추가로 레이저 절단기는 금속, 나무, 종이 및 플라스틱을 절단할 수 있는 기계를 제어하는 ​​소프트웨어와 함께 비교적 간단하고 강력한 도구가 되었습니다. 그러나 사용자는 여전히 시각적으로 유사한 자료를 구별하는 데 어려움을 겪고 있습니다.

팀이 SensiCut 을(를) 만들었습니다. , 레이저 절단기를 위한 스마트 재료 감지 플랫폼. 재료를 쉽게 오인할 수 있는 기존의 카메라 기반 접근 방식과 달리 SensiCut은 딥 러닝과 레이저를 사용하여 표면의 미세 구조를 감지하는 기술인 스펙클 감지라는 광학적 방법을 사용하여 재료를 식별합니다. 에.

SensiCut은 잠재적으로 유해 폐기물로부터 사용자를 보호하고, 재료별 지식을 제공하고, 더 나은 결과를 위해 미묘한 절단 조정을 제안하고, 여러 재료로 구성된 의복이나 전화 케이스와 같은 다양한 항목을 조각할 수도 있습니다. 이 시스템은 시각적으로 다른 유형과 유사한 경우에도 고유한 특성인 재료의 미크론 수준 표면 구조를 활용합니다. 그것이 없으면 대규모 데이터베이스에서 정확한 재료 이름을 추측해야 합니다.

카메라를 사용하는 것 외에도 개별 시트에 스티커 태그(예:QR 코드)를 사용하여 식별합니다. 단, 레이저 커팅 시 메인 시트에서 코드가 잘리면 향후 사용을 위해 식별할 수 없습니다. 또한 잘못된 태그가 부착된 경우 레이저 커터는 잘못된 재료 유형을 가정합니다. 팀은 38,000개 이상의 이미지 중 30가지 다른 재료 유형의 이미지에 대해 SensiCut의 심층 신경망을 훈련시켰습니다. 그런 다음 여기에서 아크릴, 폼보드, 스티렌 등을 구별하고 전력 및 속도 설정에 대한 추가 지침을 제공할 수 있었습니다.

한 실험에서 팀은 작업장의 투명 재료를 구별해야 하는 안면 보호대를 만들었습니다. 사용자는 먼저 인터페이스에서 디자인 파일을 선택한 다음 "핀포인트" 기능을 사용하여 시트의 한 지점에서 재료 유형을 식별하기 위해 레이저를 이동시킵니다. 레이저는 표면의 아주 작은 특징과 상호 작용하고 광선이 반사되어 이미지 센서의 픽셀에 도달하여 독특한 2D 이미지를 생성합니다. 그런 다음 시스템은 시트가 폴리카보네이트임을 사용자에게 경고하거나 플래그를 지정할 수 있습니다. 이는 레이저로 절단할 경우 잠재적으로 매우 독성이 강한 화염을 의미합니다.

반점 이미징 기술은 Raspberry Pi Zero 마이크로프로세서 보드와 같은 저렴한 기성 부품이 있는 레이저 절단기 내부에 사용되었습니다. 컴팩트하게 만들기 위해 팀은 경량 기계 하우징을 설계하고 3D 인쇄했습니다.

팀은 레이저 절단기 외에도 SensiCut의 감지 기술이 결국 3D 프린터와 같은 다른 제작 도구에 통합될 수 있다고 생각합니다. 그들은 또한 재료 구성의 관련 변수인 두께 감지를 추가하여 시스템을 확장할 계획입니다.