Le système de découpe laser intelligent détecte différents matériaux

Avec l'ajout d'ordinateurs, les découpeuses laser sont rapidement devenues un outil relativement simple et puissant, avec un logiciel contrôlant des machines capables de couper des métaux, du bois, des papiers et des plastiques. Mais les utilisateurs rencontrent toujours des difficultés à distinguer les stocks de matériaux visuellement similaires.

Une équipe a créé SensiCut , une plate-forme intelligente de détection de matériaux pour les découpeurs laser. Contrairement aux approches conventionnelles basées sur une caméra qui peuvent facilement mal identifier les matériaux, SensiCut identifie les matériaux à l'aide d'un apprentissage en profondeur et d'une méthode optique appelée détection de chatoiement, une technique qui utilise un laser pour détecter la microstructure d'une surface, activée par un seul ajout de détection d'image. sur.

SensiCut pourrait potentiellement protéger les utilisateurs contre les déchets dangereux, fournir des connaissances spécifiques aux matériaux, suggérer des ajustements de coupe subtils pour de meilleurs résultats et même graver divers articles tels que des vêtements ou des étuis de téléphone composés de plusieurs matériaux. Le système exploite la structure de surface au niveau du micron d'un matériau, une caractéristique unique même lorsqu'elle est visuellement similaire à un autre type. Sans cela, une supposition éclairée devrait être faite sur le nom de matériau correct à partir d'une grande base de données.

Au-delà de l'utilisation de caméras, des étiquettes autocollantes (comme des codes QR) ont également été utilisées sur des feuilles individuelles pour les identifier. Cependant, lors de la découpe au laser, si le code est coupé de la feuille principale, il ne peut pas être identifié pour des utilisations futures. De plus, si une étiquette incorrecte est attachée, le découpeur laser supposera le mauvais type de matériau. L'équipe a formé le réseau de neurones profonds de SensiCut sur des images de 30 types de matériaux différents de plus de 38 000 images, où il a ensuite pu différencier des éléments tels que l'acrylique, le carton mousse et le styrène, et même fournir des conseils supplémentaires sur les paramètres de puissance et de vitesse.

Dans une expérience, l'équipe a construit un écran facial, ce qui nécessiterait de distinguer les matériaux transparents d'un atelier. L'utilisateur sélectionnerait d'abord un fichier de conception dans l'interface, puis utiliserait la fonction « localiser » pour faire bouger le laser afin d'identifier le type de matériau en un point sur la feuille. Le laser interagit avec les minuscules caractéristiques de la surface et les rayons sont réfléchis, atteignant les pixels du capteur d'image et produisant une image 2D unique. Le système pourrait alors alerter ou signaler à l'utilisateur que sa feuille est en polycarbonate, ce qui signifie des flammes potentiellement hautement toxiques si elles sont coupées par un laser.

La technique d'imagerie de chatoiement a été utilisée à l'intérieur d'un découpeur laser avec des composants prêts à l'emploi à faible coût, comme une carte à microprocesseur Raspberry Pi Zero. Pour le rendre compact, l'équipe a conçu et imprimé en 3D un boîtier mécanique léger.

Au-delà des découpeuses laser, l'équipe envisage que la technologie de détection de SensiCut pourrait éventuellement être intégrée à d'autres outils de fabrication comme les imprimantes 3D. Ils prévoient également d'étendre le système en ajoutant la détection d'épaisseur, une variable pertinente dans la composition des matériaux.