Taglio laser, nasce un sistema di rilevazione automatica dei materiali

redazione

Condividi

Edicola web

taglio laser

Con l’avvento dei computer, le macchine per taglio laser sono diventate uno strumento potente e relativamente semplice da utilizzare, grazie a un software che controlla macchinari in grado di tagliare metalli, legno, carta e plastica. Tuttavia, gli utenti incontrano ancora difficoltà a distinguere tra scorte di materiali visivamente simili, per cui scelte sbagliate possono creare anche gravi danni.

La piattaforma intelligente

Concentrandosi su ciò che potrebbe non essere del tutto evidente a occhio nudo, gli scienziati del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT hanno ideato “SensiCut”, una piattaforma intelligente di rilevamento dei materiali per macchine per taglio laser. In contrasto con gli approcci convenzionali basati su fotocamere che possono identificare i materiali in maniera erronea, SensiCut utilizza un sistema più sfumato. Identifica i materiali utilizzando l’apprendimento profondo e un metodo ottico chiamato “speckle sensing”, tecnica che utilizza un laser per rilevare la microstruttura di una superficie, abilitata da un solo componente aggiuntivo di rilevamento delle immagini. SensiCut potrebbe così ad esempio aiutare proteggere gli utenti dai rifiuti pericolosi, fornire conoscenze specifiche sui materiali, suggerire sottili regolazioni di taglio per risultati migliori e persino incidere vari oggetti come indumenti o custodie per telefoni costituiti da più materiali.

Sensoristica integrata alle macchine

«Integrando sensori di immagine senza lenti alle macchine standard per taglio laser possiamo facilmente identificare materiali visivamente simili che si trovano comunemente nelle officine e ridurre gli sprechi complessivi», afferma Mustafa Doga Dogan, dottorando al MIT CSAIL. «Lo facciamo sfruttando la struttura superficiale a livello di micron di un materiale, che è una caratteristica unica anche quando visivamente simile a un altro tipo». Il team del MIT ha perciò “addestrato” la rete neurale profonda di SensiCut su immagini di 30 diversi tipi di materiali in oltre 38.000 foto, rendendo quindi possibile distinguere tra cose come acrilico, cartone espanso e stirene e persino fornire indicazioni su potenza e velocità. Oltre al taglio laser, il team immagina un futuro in cui la tecnologia di SensiCut potrebbe essere integrata in altri strumenti di fabbricazione come stampanti 3D. Per catturare ulteriori sfumature, prevedono poi di estendere il sistema aggiungendo il rilevamento dello spessore, una variabile sostanziale nella composizione del materiale.

 

Articoli correlati