Исследователи отметили, что большинство мастеров, которые используют лазеры для создания предметов, делают это на основе проб и ошибок. Однако они хотели создать более надежную и воспроизводимую систему.
Команда из Массачусетского технологического института (MIT) сделала этот процесс более безопасным, используя машинное обучение. Ученые из Лаборатории компьютерных наук и искусственного интеллекта разработала технологию под названием SensiCut — платформу для определения материалов для лазерных резаков, которая предупреждает о потенциально опасных материалах.
Инструмент состоит из недорогих аппаратных компонентов, таких как плата Raspberry Pi Zero, размещенная в 3D-печатной плате. Затем модуль присоединяется к лазерному резаку, а нейронная сеть инструмента идентифицирует материалы на основе изображения микроструктуры поверхности материала.
Для обучения алгоритма SensiCut команда использовала более 38 тыс. изображений и 30 типов материалов. Инструмент также может подсказать, как использовать различные скорости и настройки резки для разных материалов.
«Дополнив стандартные лазерные резаки безлинзовыми датчиками изображения, мы можем легко определять визуально похожие материалы, которые часто встречаются в мастерских, и сократить общее количество отходов. Для этого мы используем структуру поверхности материала на микронном уровне, которая является уникальной характеристикой даже при визуальном сходстве с другим типом материала. Без этого вам, скорее всего, пришлось бы угадывать правильное название материала по большой базе данных», — отметили исследователи.
Читайте далее:
Гигантский айсберг A74 столкнулся с побережьем Антарктиды
В Китае обнаружены два новых вида динозавров
Что такое эффект Кесслера, а также когда и к чему приведет столкновение спутников на орбите