随着计算机的加入，激光切割机已迅速成为一种相对简单且功能强大的工具，通过软件控制可以切割金属、木材、纸张和塑料的机械。虽然这种奇特的材料混合体让人感觉很有吸引力，但用户仍然很难区分视觉上相似的材料，在这些材料中，错误的材料会造成黏糊糊的混乱，发出可怕的气味，或者更糟糕的是，会喷出有害的化学物质。

麻省理工学院计算机科学和人工智能实验室（CSAIL）的科学家们提出了一种“SensiCut”，一种用于激光切割机的智能材料传感平台，解决了肉眼可能看不到的问题。传统的摄像头方法很容易错误识别材料，与之相比，SensiCut采用了更细微的融合。它使用深度学习和一种称为“斑点传感”的光学方法来识别材料，这是一种利用激光感应表面微观结构的技术，只需一个图像传感附加组件即可实现。

SensiCut的一点帮助可能会起到很大的作用——它可能会保护用户免受有害废物的影响，提供特定于材料的知识，建议进行细微的切割调整以获得更好的效果，甚至可以雕刻各种物品，如由多种材料组成的服装或手机壳。

麻省理工学院CSAIL博士研究生穆斯塔法·多加·多根说：“通过使用无透镜图像传感器增强标准激光切割机，我们可以轻松识别车间中常见的视觉相似材料，并减少总体浪费。”我们通过利用材料的微米级表面结构来实现这一点，这是一种独特的特性，即使在视觉上与另一种类型相似。如果没有这些，您可能需要从大型数据库中对正确的材料名称进行有根据的猜测。”

除了使用相机，贴纸标签（如二维码）也被用于单张纸上，以识别它们。这似乎很简单，但是，在激光切割过程中，如果代码从主页上被切断，它就无法识别以供将来使用。此外，如果附加了错误的标签，激光切割机将采用错误的材料类型。

为了成功地区别材料种类，研究小组对SensiCut的深度神经网络进行了训练，对30种不同材料类型的38000多张图像进行了训练，然后它可以区分丙烯酸、泡沫板和苯乙烯等物质，甚至可以提供关于功率和速度设置的进一步指导。

在一个实验中，研究小组决定建造一个面罩，这需要区分车间的透明材料。用户首先在界面中选择一个设计文件，然后使用“精确定位”功能使激光器移动，以识别板材上某一点的材料类型。激光与表面的微小特征相互作用，光线从表面反射出来，到达图像传感器的像素并产生独特的二维图像。然后，该系统可以提醒或标记用户他们的板材是聚碳酸酯，这意味着如果被激光切割，可能会产生剧毒火焰。

散斑成像技术被用于激光切割机内部，具有低成本的现成组件，如树莓皮零微处理器板。为了使其紧凑，该团队设计并三维打印了一个轻型机械外壳。

除了激光切割机之外，该团队还设想了一个未来，SensiCut的传感技术最终可以集成到其他制造工具中，如3D打印机。为了捕捉更多细微差别，他们还计划通过添加厚度检测（材料组成中的一个相关变量）来扩展系统。

（文章转载自网络，如有侵权，请联系删除）