麻省理工学院最近发表了一项有趣的研究:
激光雕刻机搭载AI，可以在混合材质的t恤上雕刻花朵，强度自动变化，确保不被切割。
他们在现有的激光雕刻机上安装了AI，可以自动识别30种不同的切割材料，准确率达到98%。
不仅告诉你是什么，还告诉你切割/雕刻所需的力度和速度。
当然，如果这是危险材料，就放一个大警示，扔给你。
这样就可以避免一些人识别错误造成的危险，比如带了毒烟什么的，以及切割力度不损伤材料造成的浪费。
比如面对下面三种看起来完全一样的透明塑料材质，哪一种适合做防护口罩。
交给AI吧！刷了几次后，三者分析清楚。
作为实验室使用的防护口罩，当然要选择最左边的。拿去修:
除了上述功能，这款名为SensiCut的AI还可以用于调试激光雕刻图案。
一次设置六种需要雕刻的材料，可以将设计图案与相应的材料相匹配输入每种材料的厚度后，SensiCut会立即告诉你毛毡太薄，目前的图案设计对它来说太复杂了
然后你可以把它变大，然后雕刻它。
成品:
如果你不像它说的那样调整，那将是非常糟糕的。下拉:
此外，它还可以在手机壳和混合材料的衣服上进行激光辅助雕刻图案。
注意图C的红框，它会自动进行分割设计。
下面的t恤是由黄色太阳部分的纺织材料和塑料材料组成的图B中间，SensiCut通过鉴别材料，再通过切割力度引导完成的海鸥图案是最好的
这是另一个强大的点，因为传统的复合材料上的激光雕刻方法需要拆分设计和对齐边界，非常麻烦。
一路往下看，你觉得这个SensiCut挺有用的吗它是怎么实现的
斑点传感深度学习。
SensiCut由:硬件附件和应用两部分组成。
在应用方面，用户界面设计的真的很好，功能就不提了。
硬件由激光笔，无透镜图像传感器，微处理器和电池组成，固定在激光切割机的切割头上。
识别原理很简单。
利用散斑传感技术，将激光引向材料表面，表面特征的微小差异导致反射激光束路径的微小偏差，反射到图像传感器上形成有亮点和暗点的散斑图案。
有了图像，我们可以使用训练好的神经网络进行类型识别。
为了确保准确性，研究人员训练了30种不同材料类型的38000幅图像。
他们在ImageNet数据集上使用了ResNet—50迁移学习和预训练模型，以及Adam优化器，学习率为0.003，批处理大小为64。
训练图像的大小为256x256:使用低分辨率图像不仅解决了高分辨率图像的过拟合问题，而且节省了训练时间，加快了检测速度。
数据增强技术还用于生成附加图像，以更好地概括模型。
评估结果及未来方向。
sensicut 98.01%的平均识别准确率是基于5倍交叉验证。
木材的平均准确率为98.92%，塑料的平均准确率为98.84%，纺织品的平均准确率为97.25%，纸张的平均准确率为95.90%，金属的平均准确率为97.00%。
纸质材料的准确度最低，因为它们太容易与木材混淆。
他们还做了一些实验，发现:的识别准确率比红白材质高100%，反射光少的黑色材质准确率只有92%，但这可以通过在拍摄图像时启用自适应曝光来调整。
此外，他们还研究了光照和角度对材料识别的影响。
找到了:
最后，研究人员表示，其他所有组件在硬件方面都在现有的激光雕刻机中，制造商只需添加无透镜图像传感器即可拥有这项技术。
未来，该团队将进一步研究如何使用散斑传感来估计材料的厚度，确保划痕材料的准确性，并在软件上打印标签。
