“SensiCut”是一個(ge) 用於(yu) 激光切割機的智能材料感應平台，可以區分30種常見的材料。

隨著計算機的加入，激光切割機已迅速成為(wei) 一種相對簡單且功能強大的工具，通過軟件控製可以切割金屬、木材、紙張和塑料的機械。雖然這種奇特的材料混合體(ti) 讓人感覺很有吸引力，但用戶仍然很難區分視覺上相似的材料，在這些材料中，錯誤的材料會(hui) 造成黏糊糊的混亂(luan) ，發出可怕的氣味，或者更糟糕的是，會(hui) 噴出有害的化學物質。

麻省理工學院計算機科學和人工智能實驗室（CSAIL）的科學家們(men) 提出了一種“SensiCut”，一種用於(yu) 激光切割機的智能材料傳(chuan) 感平台，解決(jue) 了肉眼可能看不到的問題。傳(chuan) 統的攝像頭方法很容易錯誤識別材料，與(yu) 之相比，SensiCut采用了更細微的融合。它使用深度學習(xi) 和一種稱為(wei) “斑點傳(chuan) 感”的光學方法來識別材料，這是一種利用激光感應表麵微觀結構的技術，隻需一個(ge) 圖像傳(chuan) 感附加組件即可實現。

SensiCut的一點幫助可能會(hui) 起到很大的作用——它可能會(hui) 保護用戶免受有害廢物的影響，提供特定於(yu) 材料的知識，建議進行細微的切割調整以獲得更好的效果，甚至可以雕刻各種物品，如由多種材料組成的服裝或手機殼。

麻省理工學院CSAIL博士研究生穆斯塔法·多加·多根說：“通過使用無透鏡圖像傳(chuan) 感器增強標準激光切割機，我們(men) 可以輕鬆識別車間中常見的視覺相似材料，並減少總體(ti) 浪費。”我們(men) 通過利用材料的微米級表麵結構來實現這一點，這是一種獨特的特性，即使在視覺上與(yu) 另一種類型相似。如果沒有這些，您可能需要從(cong) 大型數據庫中對正確的材料名稱進行有根據的猜測。”

除了使用相機，貼紙標簽（如二維碼）也被用於(yu) 單張紙上，以識別它們(men) 。這似乎很簡單，但是，在激光切割過程中，如果代碼從(cong) 主頁上被切斷，它就無法識別以供將來使用。此外，如果附加了錯誤的標簽，激光切割機將采用錯誤的材料類型。

為(wei) 了成功地區別材料種類，研究小組對SensiCut的深度神經網絡進行了訓練，對30種不同材料類型的38000多張圖像進行了訓練，然後它可以區分丙烯酸、泡沫板和苯乙烯等物質，甚至可以提供關(guan) 於(yu) 功率和速度設置的進一步指導。

在一個(ge) 實驗中，研究小組決(jue) 定建造一個(ge) 麵罩，這需要區分車間的透明材料。用戶首先在界麵中選擇一個(ge) 設計文件，然後使用“精確定位”功能使激光器移動，以識別板材上某一點的材料類型。激光與(yu) 表麵的微小特征相互作用，光線從(cong) 表麵反射出來，到達圖像傳(chuan) 感器的像素並產(chan) 生獨特的二維圖像。然後，該係統可以提醒或標記用戶他們(men) 的板材是聚碳酸酯，這意味著如果被激光切割，可能會(hui) 產(chan) 生劇毒火焰。

散斑成像技術被用於(yu) 激光切割機內(nei) 部，具有低成本的現成組件，如樹莓皮零微處理器板。為(wei) 了使其緊湊，該團隊設計並三維打印了一個(ge) 輕型機械外殼。

除了激光切割機之外，該團隊還設想了一個(ge) 未來，SensiCut的傳(chuan) 感技術最終可以集成到其他製造工具中，如3D打印機。為(wei) 了捕捉更多細微差別，他們(men) 還計劃通過添加厚度檢測（材料組成中的一個(ge) 相關(guan) 變量）來擴展係統。