La plate-forme intelligente de détection de matériaux pour les découpeurs laser peut différencier 30 matériaux différents

La plate-forme intelligente de détection de matériaux pour les découpeurs laser peut différencier 30 matériaux

Légende : La plate-forme de détection intelligente SensiCut fait la distinction entre des matériaux visuellement similaires pour une utilisation en toute sécurité. Crédit : MIT CSAIL

Avec l’ajout d’ordinateurs, les découpeuses au laser sont rapidement devenues un outil relativement simple et puissant, avec un logiciel contrôlant des machines brillantes capables de couper les métaux, le bois, les papiers et les plastiques. Bien que ce curieux amalgame de matériaux semble englobant, les utilisateurs ont toujours du mal à faire la distinction entre des stocks de matériaux visuellement similaires, où le mauvais matériel peut faire des dégâts gluants, dégager des odeurs horribles ou, pire encore, cracher des produits chimiques nocifs.

S’attaquant à ce qui pourrait ne pas être totalement apparent à l’œil nu, les scientifiques du Laboratoire d’informatique et d’intelligence artificielle (CSAIL) du MIT ont mis au point « SensiCut », une plate-forme intelligente de détection de matériaux pour les découpeurs laser. Contrairement aux approches conventionnelles basées sur des caméras qui peuvent facilement identifier les matériaux de manière erronée, SensiCut utilise une fusion plus nuancée. Il 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 module complémentaire de détection d’image.

Un peu d’aide de SensiCut pourrait aller très loin – cela 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 comme des vêtements ou des étuis de téléphone composés de plusieurs matériaux.

“En augmentant les découpeurs laser standard avec des capteurs d’image sans lentille, nous pouvons facilement identifier des matériaux visuellement similaires couramment trouvés dans les ateliers et réduire les déchets globaux”, explique Mustafa Doga Dogan, Ph.D. candidat au MIT CSAIL. « Nous le faisons en tirant parti de la structure de surface au niveau du micron d’un matériau, qui est une caractéristique unique même lorsqu’elle est visuellement similaire à un autre type. Sans cela, vous auriez probablement à deviner le nom correct du matériau à partir d’une grande base de données. ”






SensiCut est une plate-forme de détection de matériau intelligente pour les découpeuses laser. Contrairement aux approches qui détectent l’apparence du matériau avec une caméra conventionnelle, SensiCut identifie le matériau par sa structure de surface en utilisant la détection de speckle et l’apprentissage en profondeur. Crédit : Massachusetts Institute of Technology

Au-delà de l’utilisation d’appareils photo, des étiquettes autocollantes (comme des codes QR) ont également été utilisées sur des feuilles individuelles pour les identifier. Ce qui semble simple, cependant, lors de la découpe 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.

Pour jouer avec succès un tour de “quel matériau est-ce”, 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 elle a ensuite pu différencier des choses comme l’acrylique, le carton mousse et le styrène, et même fournir des conseils supplémentaires sur les réglages de puissance et de vitesse.

Dans une expérience, l’équipe a décidé de construire un écran facial, ce qui nécessiterait de faire la distinction entre les matériaux transparents d’un atelier. L’utilisateur sélectionnerait d’abord un fichier de conception dans l’interface, puis utiliserait la fonction « rechercher » 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 y sont réfléchis, arrivant aux 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 très toxiques si elle est coupée par un laser.

La technique d’imagerie tachetée a été utilisée à l’intérieur d’un découpeur laser, avec des composants peu coûteux et prêts à l’emploi, 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 découpeurs laser, l’équipe envisage un avenir où la technologie de détection de SensiCut pourrait éventuellement être intégrée à d’autres outils de fabrication comme les imprimantes 3D. Pour capter des nuances supplémentaires, ils prévoient également d’étendre le système en ajoutant la détection d’épaisseur, une variable pertinente dans la composition des matériaux.


Découpe laser avec moins de gaspillage


Fourni par le Massachusetts Institute of Technology

Citation: La plate-forme intelligente de détection de matériaux pour les découpeurs laser peut différencier 30 matériaux différents (2021, 20 août) récupéré le 20 août 2021 à partir de https://techxplore.com/news/2021-08-smart-material-sensing-platform-laser- cutters.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.