
Details zu „SensiCut“
Kostengünstige Hardwarekomponenten wie eine Raspberry Pi Zero-Mikroprozessorplatine wurden für das Tool verwendet. Das neuronale Netzwerk des Werkzeugs identifiziert verschiedene Materialien, sobald das Tool am Laserschneider befestigt wurde. Das gelingt dank der Speckle-Imaging-Technik. SensiCut erhielt zudem ein leichtes mechanisches Gehäuse aus dem 3D-Drucker.

Damit der Algorithmus mit Daten arbeiten kann, wurde er mit mehr als 38.000 Bildern von 30 Materialtypen trainiert. Dabei lernte der Algorithmus zwischen Materialien wie Acryl, Schaumstoff und Styrol zu unterscheiden. Das Werkzeug ist außerdem in der Lage, den Nutzer anzuleiten, unterschiedliche Geschwindigkeiten und Schnitteinstellungen für verschiedene Materialien zu verwenden.
Laut Mustafa Doga Dogan, einem Doktoranden am MIT CSAIL, reduziert das Tool die gesamte Materialverschwendung deutlich:
„Durch die Ergänzung von Standard-Laserschneidern mit linsenlosen Bildsensoren können wir visuell ähnliche Materialien, die üblicherweise in Werkstätten verwendet werden, leicht erkennen und den Gesamtabfall reduzieren. Wir tun dies, indem wir die Mikrometer-Oberflächenstruktur eines Materials nutzen, die ein einzigartiges Merkmal ist, auch wenn es einer anderen Art optisch ähnelt. Unser Tool erkennt dies automatisch. Andernfalls müssten Sie wahrscheinlich den richtigen Materialnamen aus einer großen Datenbank erraten.“
Das Team erklärte, dass „SensiCut“ künftig auch für den 3D-Druck eingesetzt werden könnte. Es soll außerdem um die Dickenerkennung erweitert werden. Wir halten Sie auf dem Laufenden (Newsletter abonnieren).
Video zur SensiCut-Plattform
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.






