SensiCut : plateforme de découpe laser avancée identifiant précisément les matériaux

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

Une équipe a créé SensiCut , une plateforme intelligente de détection de matériaux pour découpeuses laser. Contrairement aux approches conventionnelles basées sur caméra qui peuvent facilement mal identifier les matériaux, SensiCut identifie les matériaux en utilisant l'apprentissage profond et une méthode optique appelée détection de speckle, une technique qui utilise un laser pour détecter la microstructure d'une surface, rendue possible par un seul add-on de détection d'image.

SensiCut pourrait potentiellement protéger les utilisateurs des déchets dangereux, fournir des connaissances spécifiques aux matériaux, suggérer des ajustements de coupe subtils pour de meilleurs résultats, et même graver divers articles comme des vêtements ou des coques de téléphone qui consistent en plusieurs matériaux. Le système exploite la structure de surface au niveau 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 correct du matériau à partir d'une grande base de données.

Au-delà de l'utilisation de caméras, des étiquettes autocollantes (comme les codes QR) ont également été utilisées sur des feuilles individuelles pour les identifier. Cependant, pendant la découpe laser, si le code est coupé de la feuille principale, il ne peut pas être identifié pour les utilisations futures. De plus, si une étiquette incorrecte est attachée, la découpeuse laser assumera le mauvais type de matériau. L'équipe a entraîné le réseau de neurones profond de SensiCut sur des images de 30 types de matériaux différents de plus de 38 000 images, où il pouvait alors différencier des choses comme l'acrylique, le panneau de mousse et le styrène et même fournir des conseils supplémentaires sur les réglages de puissance et de vitesse.

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

La technique d'imagerie speckle a été utilisée à l'intérieur d'une découpeuse laser avec des composants peu coûteux, prêts à l'emploi, comme une carte microprocesseur Raspberry Pi Zero. Pour la rendre compacte, 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 dans 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.