MIT 最近發(fā)表了一項(xiàng)有意思的研究：
他們給現(xiàn)有的激光雕刻機(jī)安上了一個(gè) AI，就可以自動識別 30 種不同的切割材料，準(zhǔn)確率高達(dá) 98%。
不僅告訴你是啥，還能告訴你切割/雕刻所需的力度、速度。
當(dāng)然，如果這是一種危險(xiǎn)材料，直接就把一個(gè)大大的“Caution”甩給你。
這樣一來，就能免去對一些人為識別失誤造成的危險(xiǎn)（尤其是一些未貼/貼錯(cuò)名稱標(biāo)簽的材料），比如冒個(gè)有毒煙霧什么的，以及切割力度不對破壞材料造成的浪費(fèi)。
比如面對下面三種看起來一模一樣的透明塑料材料，哪一種適合做防護(hù)面罩呢？
交給 AI！刷刷掃幾下，就把三者分析的明明白白：
最右是聚碳酸酯，危險(xiǎn)材料，不可（切割會冒帶劇毒的火焰）；
中間的是鑄造丙烯，可以激光切割，但不可用酒精擦拭；
最左的是醋酸透明塑膠片，可以用溫水和溫和肥皂沖洗，也可以用酒精。
要做實(shí)驗(yàn)室里用的防護(hù)面罩，當(dāng)然是選最左了，拿去搞定：
除了上面說的這些功能，這個(gè)叫做 SensiCut 的 AI 還可以用來進(jìn)行激光雕刻圖案的調(diào)試：
一次擺好 6 種待雕材料，它就能將設(shè)計(jì)圖案和相應(yīng)材料進(jìn)行匹配，輸入每個(gè)材料的厚度后，SensiCut 立馬就告訴你毛氈太薄了，現(xiàn)在的圖案設(shè)計(jì)對它來說太復(fù)雜。
那你就可以調(diào)大一點(diǎn)再進(jìn)行雕刻。
成品：
如果你不按它說的調(diào)整，打出來的就很“拉垮”：
此外，它也能在具有混合材料的手機(jī)殼、衣服等材料上進(jìn)行圖案的激光輔助雕刻。
▲ 注意 c 圖紅框部分，它會自動進(jìn)行分割設(shè)計(jì)
下面這件 T 恤由紡織材料和黃色太陽部分的塑料材料組成，b 圖中間為 SensiCut 通過辨別材料，再進(jìn)行切割力度指導(dǎo)完成的海鷗圖案，效果最好。
這也是它的另一厲害之處，因?yàn)閭鹘y(tǒng)的方法在復(fù)合材料上進(jìn)行激光雕刻需要把設(shè)計(jì)進(jìn)行拆分和邊界對齊，很麻煩。
一路看下來，是不是覺得這個(gè) SensiCut 還挺有用，怎么實(shí)現(xiàn)的呢？
散斑傳感 + 深度學(xué)習(xí)
SensiCut 由兩部分組成：硬件附件和應(yīng)用程序。
應(yīng)用程序方面，用戶界面設(shè)計(jì)的真心不錯(cuò)，功能就不多說了。
硬件部分由激光指針、無透鏡圖像傳感器、微處理器和電池組成，固定在激光切割器的切割頭上。
識別原理很簡單：
利用散斑傳感（speckle sensing）技術(shù)，將激光打向材料表面，上面的微小特征差異導(dǎo)致反射激光束光路的微小偏差，從而反射到圖像傳感器成像為帶有亮斑和暗斑的散斑圖案。
下圖為四種材料分別在普通相機(jī)、電子顯微鏡和散斑傳感成像下的三組照片，對比很明顯：
圖像有了，就可以用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)來進(jìn)行類型識別了。
為確保準(zhǔn)確率，研究人員對 30 種不同材料類型的 38000 張圖像進(jìn)行了訓(xùn)練。
他們使用了遷移學(xué)習(xí)和在 ImageNet 數(shù)據(jù)集上預(yù)先訓(xùn)練的 ResNet-50 模型，以及 Adam 優(yōu)化器，學(xué)習(xí)率為 0.003，batch size 為 64。
訓(xùn)練圖像大小為 256x256：使用低分辯率的圖像不僅解決了高分辨率圖像的過擬合，還節(jié)省了訓(xùn)練時(shí)間、加快了檢測速度（256x256 為 0.21s，400x400 為 0.51s ）。
還用了數(shù)據(jù)增強(qiáng)技術(shù)生成額外圖像以便模型更好地泛化（比如光照也不會過多影響結(jié)果）。
評估結(jié)果和未來方向
SensiCut 98.01%(SD=0.20) 的平均識別準(zhǔn)確率基于 5-fold 交叉驗(yàn)證。
其中木材類的平均準(zhǔn)確率為 98.92% (SD=1.66)，塑料類的為 98.84% (SD=2.36)，紡織品類的為 97.25% (SD=2.50)，紙質(zhì)材料為 95.90% (SD=2.94)，金屬類的為 97.00% (SD=2.16) 。
紙質(zhì)材料的準(zhǔn)確率最低，也是因?yàn)樗菀缀湍静幕煜耍ü枘z和皮革也容易混）。
他們還做了一些實(shí)驗(yàn)發(fā)現(xiàn)：相比紅色白色材料 100% 的識別準(zhǔn)確率，反射光線較少的黑色材質(zhì)只有 92% 的準(zhǔn)確率，不過這個(gè)在捕獲圖像時(shí)啟用自適應(yīng)曝光來可以調(diào)整。
此外他們還研究了一下光照和角度對材料識別的影響。
結(jié)果發(fā)現(xiàn)：
增加亮度對黑色/白色材料的檢測結(jié)果沒有重大影響，但透明材料的影響卻很大，重新在不同的光照條件下捕獲透明材料的圖像進(jìn)行訓(xùn)練后的準(zhǔn)確率比原來高了快 22%。
角度影響最大的是木材，45% 傾斜下的材料平均檢測準(zhǔn)確率只有 70.31%。這是因?yàn)樘烊荒静牡募?xì)胞 3D 微觀結(jié)構(gòu)在微觀層面具有 90° 旋轉(zhuǎn)對稱性。
最后，研究人員表示，硬件方面，所有其他組件現(xiàn)有的激光雕刻機(jī)中都有，制造商只需要添加無透鏡圖像傳感器就可以擁有這項(xiàng)技術(shù)了。
未來，團(tuán)隊(duì)還會對散斑傳感如何用于估計(jì)材料的厚度、對劃痕材料準(zhǔn)確率的保證、給軟件加打印標(biāo)簽的功能等方面進(jìn)行進(jìn)一步研究。
論文地址：
https://groups.csail.mit.edu/hcie/files/research-projects/sensicut/2021-UIST-SensiCut-paper.pdf
參考鏈接：
[1]https://hcie.csail.mit.edu/research/sensicut/sensicut.html
[2]https://www.youtube.com/watch?v=1CjrVntolmo
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。