El sistema de corte láser inteligente detecta diferentes materiales

Con la incorporación de las computadoras, las cortadoras láser se han convertido rápidamente en una herramienta relativamente simple y poderosa, con maquinaria de control de software que puede cortar metales, maderas, papeles y plásticos. Pero los usuarios aún enfrentan dificultades para distinguir entre pilas de materiales visualmente similares.

Un equipo ha creado SensiCut , una plataforma inteligente de detección de materiales para cortadoras láser. A diferencia de los enfoques convencionales basados ​​en cámaras que pueden identificar erróneamente los materiales fácilmente, SensiCut identifica los materiales mediante el aprendizaje profundo y un método óptico llamado detección de motas, una técnica que utiliza un láser para detectar la microestructura de una superficie, habilitada por solo un complemento de detección de imágenes. activado.

SensiCut podría potencialmente proteger a los usuarios de los desechos peligrosos, proporcionar conocimiento específico del material, sugerir ajustes de corte sutiles para obtener mejores resultados e incluso grabar varios artículos como prendas o fundas de teléfonos que constan de múltiples materiales. El sistema aprovecha la estructura superficial a nivel de micras de un material, una característica única incluso cuando es visualmente similar a otro tipo. Sin él, se tendría que hacer una suposición informada sobre el nombre correcto del material de una gran base de datos.

Más allá del uso de cámaras, también se han utilizado etiquetas adhesivas (como códigos QR) en hojas individuales para identificarlas. Sin embargo, durante el corte por láser, si el código se corta de la hoja principal, no se puede identificar para usos futuros. Además, si se coloca una etiqueta incorrecta, la cortadora láser asumirá el tipo de material incorrecto. El equipo entrenó la red neuronal profunda de SensiCut en imágenes de 30 tipos de materiales diferentes de más de 38 000 imágenes, donde luego pudo diferenciar entre cosas como acrílico, cartón pluma y estireno e incluso brindar más orientación sobre la configuración de potencia y velocidad.

En un experimento, el equipo construyó un protector facial, que requeriría distinguir entre materiales transparentes de un taller. El usuario primero seleccionaría un archivo de diseño en la interfaz y luego usaría la función de "señalar" para hacer que el láser se mueva para identificar el tipo de material en un punto de la hoja. El láser interactúa con las características muy pequeñas de la superficie y los rayos se reflejan, llegando a los píxeles del sensor de imagen y produciendo una imagen 2D única. Entonces, el sistema podría alertar o señalar al usuario que su lámina es de policarbonato, lo que significa llamas potencialmente altamente tóxicas si se corta con un láser.

La técnica de imagen moteada se usó dentro de un cortador láser con componentes de bajo costo y listos para usar, como una placa de microprocesador Raspberry Pi Zero. Para hacerlo compacto, el equipo diseñó e imprimió en 3D una carcasa mecánica liviana.

Más allá de las cortadoras láser, el equipo prevé que la tecnología de detección de SensiCut podría eventualmente integrarse en otras herramientas de fabricación como las impresoras 3D. También planean ampliar el sistema agregando detección de espesor, una variable pertinente en la composición del material.