por
Con la incorporación de las computadoras, las cortadoras láser se convirtieron rápidamente en una herramienta relativamente simple y poderosa, con software que controlaba máquinas brillantes capaces de cortar metales, madera, papel y plásticos. Si bien esta curiosa amalgama de materiales parece abarcar todo, a los usuarios todavía les resulta difícil distinguir entre existencias de materiales visualmente similares, en los que el material incorrecto puede hacer un lío pegajoso, desprender olores horribles o, peor aún, escupir productos. Productos químicos nocivos .
Para abordar lo que podría no ser del todo evidente a simple vista, los científicos del Laboratorio de Computación e Inteligencia Artificial (CSAIL) del MIT han creado 'SensiCut', una plataforma inteligente para la detección de materiales para cortadores láser. A diferencia de los enfoques convencionales basados en cámaras que pueden identificar fácilmente los materiales de manera incorrecta, SensiCut utiliza una fusión más matizada. Identifica materiales mediante aprendizaje profundo y un método óptico llamado 'detección de moteado', una técnica que utiliza un láser para detectar la microestructura de una superficie, activada por un único complemento de detección de imagen.
Un poco de ayuda de SensiCut podría ser de gran ayuda: podría proteger a los usuarios de los desechos peligrosos, proporcionar conocimientos específicos sobre el material, sugerir ajustes de corte sutiles para obtener mejores resultados e incluso grabar varios artículos como ropa o fundas de teléfonos hechos de varios materiales.
"Al aumentar los cortadores láser estándar con sensores de imagen sin lentes, podemos identificar fácilmente materiales visualmente similares que se encuentran comúnmente en los talleres y reducir el desperdicio general", dice Mustafa Doga Dogan, estudiante de doctorado en MIT CSAIL. "Hacemos esto aprovechando la estructura de la superficie a nivel de micras de un material, que es una característica única incluso cuando es visualmente similar a otro tipo. Sin él, probablemente tendrá que hacer una suposición fundamentada sobre el nombre correcto del material de una gran base de datos.
Reproduce el video
SensiCut es una plataforma de detección de material inteligente para cortadoras láser. A diferencia de los enfoques que detectan la apariencia del material con una cámara convencional, SensiCut identifica el material por su estructura de superficie mediante la detección de manchas y el aprendizaje profundo.
Más allá del uso de cámaras, también se utilizaron etiquetas autoadhesivas (como códigos QR) en hojas individuales para identificarlas. Sin embargo, lo que parece simple cuando se corta con 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.
Para hacer un truco de "¿qué material es?" ', 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 pudieron diferenciar entre cosas como acrílico, tablero de espuma y estireno, e incluso brindar consejos adicionales sobre ajustes de potencia y velocidad.
En un experimento, el equipo decidió construir un protector facial, que requeriría distinguir entre materiales transparentes en un taller. El usuario primero seleccionaría un archivo de diseño en la interfaz y luego usaría la función 'buscar' para mover el láser 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 en ellas, llegando a los píxeles del sensor de imagen y produciendo una imagen 2D única. El sistema podría alertar o indicar al usuario que su hoja es de policarbonato, lo que significa llamas potencialmente muy tóxicas si se corta con un láser.
La técnica de imagen moteada se ha utilizado dentro de un cortador láser, con componentes económicos y listos para usar, como una placa de chip 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 un futuro en el que la tecnología de detección de SensiCut podría integrarse potencialmente con otras herramientas de fabricación como las impresoras 3D. Para capturar matices adicionales, también planean expandir el sistema agregando detección de espesor, una variable relevante en la composición del material.
Dogan escribió el artículo junto con los investigadores universitarios Steven Acevedo Colon y Varnika Sinha del Departamento de Ingeniería Eléctrica e Informática del MIT, el profesor asociado Kaan Akşit del University College London y el profesor del MIT Stefanie Mueller.
El equipo presentará su trabajo en el Simposio ACM sobre tecnologías y software de interfaz de usuario (UIST) en octubre. El trabajo fue apoyado por el NSF Award 1716413, la MIT Portugal Initiative y el MIT Mechanical Engineering MathWorks Seed Fund Program.
