انتخاب مواد در برش لیزری هوشمند

چگونه سیستم برش لیزری هوشمند مواد مختلف را تشخیص می دهد؟ SensiCut، یک پلت فرم هوشمند سنجش مواد برای برش‌های لیزری است، که می‌تواند بین ۳۰ ماده که معمولاً در فضاهای کارگاه‌ها یافت می‌شوند، تفاوت قائل شود.

با اضافه شدن رایانه ها، برش­ های لیزری با نرم افزار کنترل ماشین آلات که می توانند فلزات، چوب ها، کاغذها و پلاستیک ها را برش دهند به سرعت به ابزاری نسبتاً ساده و قدرتمند تبدیل گردیده­ اند. با این حال به نظر می رسد، کاربران هنوز در تمایز بین ذخایر مواد از نظر بصری مشابه با مشکلاتی روبرو هستند، جایی که مواد اشتباه می توانند باعث ایجاد آشفتگی، بوهای وحشتناک یا بدتر از آن، بیرون ریختن مواد شیمیایی مضر شوند.

دانشمندان آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) با پرداختن به چیزی که ممکن است کاملاً با چشم غیرمسلح قابل مشاهده نباشد، “SensiCut” یک پلت فرم هوشمند سنجش مواد برای برش های لیزری را ارائه کردند. برخلاف رویکردهای مرسوم مبتنی بر دوربین که به راحتی می‌توانند مواد را به اشتباه شناسایی کنند، SensiCut از ترکیب ظریف‌تری استفاده می‌کند. این ابزار با استفاده از یادگیری عمیق و یک روش نوری به نام «حسگر لکه‌ها»، مواد را شناسایی می‌کند، تکنیکی که از لیزر برای سنجش ریزساختار سطح استفاده می‌کند که تنها با یک افزودنی حسگر تصویر فعال می‌گردد.

کمک کمی از SensiCut می تواند کمک زیادی به شما نماید، به طور بالقوه می تواند از کاربران در برابر زباله های خطرناک محافظت کند، دانش مربوط به مواد را ارائه دهد، تنظیمات ظریف برش را برای نتایج بهتر پیشنهاد کند.

مصطفی دوگا دوگان، کاندیدای دکترا در MIT CSAIL می‌گوید: «با تقویت برش‌های لیزری استاندارد با حسگرهای تصویر بدون لنز، ما به راحتی می‌توانیم مواد مشابه بصری را که معمولاً در کارگاه‌ها یافت می‌شوند شناسایی کنیم و ضایعات کلی را کاهش دهیم. ما این کار را با استفاده از ساختار سطح میکرون یک ماده انجام می دهیم، که یک ویژگی منحصر به فرد است حتی زمانی که از نظر بصری مشابه نوع دیگری باشد. بدون آن، احتمالاً باید از یک پایگاه داده بزرگ، نام صحیح مواد را حدس بزنید.”

حتما مطالعه کنید : خدمات حک و برش لیزری پلکسی

علاوه بر استفاده از دوربین‌ها، برچسب‌ها (مانند کدهای QR) نیز در برگه‌های جداگانه برای شناسایی آنها استفاده شده است. که ساده به نظر می رسد، با این حال، در حین برش لیزری، اگر کد از صفحه اصلی قطع شود، برای استفاده های بعدی قابل شناسایی نیست. همچنین، اگر برچسب نادرستی وصل شده باشد، برش لیزری نوع ماده اشتباهی را در نظر می گیرد.

برای اجرای موفقیت آمیز تشخیص این که چه ماده­ای است، تیم شبکه عصبی عمیق SensiCut بیش از ۳۸۰۰۰ تصویر بر روی ۳۰ نوع ماده مختلف ارائه نموده است، تا جایی که می توان بین چیزهایی مانند اکریلیک، فوم تخته و استایرن تمایز قائل گردید.

روش تشخیص ماده در برش لیزری هوشمند

برای تشخیص ماده، کاربر ابتدا یک فایل طراحی را در رابط انتخاب و سپس از تابع “نقطه” برای حرکت لیزر و شناسایی نوع ماده در یک نقطه از صفحه استفاده می‌­نماید. لیزر با ویژگی‌های بسیار ریز سطح تعامل می‌کند و پرتوها از آن منعکس می‌گردد و به پیکسل‌های حسگر تصویر می‌رسند و یک تصویر ۲ بعدی منحصر به فرد تولید می‌نمایند. سپس این سیستم می‌تواند به کاربر هشدار دهد یا علامت‌گذاری کند که ورق آنها پلی کربنات است، که به معنای شعله‌های بالقوه بسیار سمی در صورت بریده شدن توسط لیزر است.

فراتر از برش‌های لیزری، این تیم آینده‌ای را متصور است که در آن فناوری حسگر SensiCut می‌تواند در نهایت با ابزارهای ساخت دیگر مانند چاپگرهای سه بعدی ادغام شود. برای گرفتن تفاوت های ظریف، آنها همچنین قصد دارند سیستم را با اضافه کردن تشخیص ضخامت، یک متغیر مرتبط در آرایش مواد، گسترش دهند.

دوگان این مقاله را در کنار محققین کارشناسی استیون آسودو کولون و وارنیکا سینها در دپارتمان مهندسی برق و علوم کامپیوتر MIT، استادیار کان آکشیت از دانشگاه کالج لندن و پروفسور MIT استفانی مولر نوشت.

این تیم کار خود را در سمپوزیوم ACM در زمینه نرم افزار و فناوری رابط کاربری (UIST) در ماه اکتبر ارائه خواهد کرد. این کار توسط NSF 1716413، MIT Portugal Initiative و MIT Mechanical Engineering MathWorks Seed Program حمایت گردیده است.