“SensiCut”是一個用于激光切割機的智能材料感應平臺，可以區分30種常見的材料。

隨著計算機的加入，激光切割機已迅速成為一種相對簡單且功能強大的工具，通過軟件控制可以切割金屬、木材、紙張和塑料的機械。雖然這種奇特的材料混合體讓人感覺很有吸引力，但用戶仍然很難區分視覺上相似的材料，在這些材料中，錯誤的材料會造成黏糊糊的混亂，發出可怕的氣味，或者更糟糕的是，會噴出有害的化學物質。

麻省理工學院計算機科學和人工智能實驗室（CSAIL）的科學家們提出了一種“SensiCut”，一種用于激光切割機的智能材料傳感平臺，解決了肉眼可能看不到的問題。傳統的攝像頭方法很容易錯誤識別材料，與之相比，SensiCut采用了更細微的融合。它使用深度學習和一種稱為“斑點傳感”的光學方法來識別材料，這是一種利用激光感應表面微觀結構的技術，只需一個圖像傳感附加組件即可實現。

SensiCut的一點幫助可能會起到很大的作用——它可能會保護用戶免受有害廢物的影響，提供特定于材料的知識，建議進行細微的切割調整以獲得更好的效果，甚至可以雕刻各種物品，如由多種材料組成的服裝或手機殼。

麻省理工學院CSAIL博士研究生穆斯塔法·多加·多根說：“通過使用無透鏡圖像傳感器增強標準激光切割機，我們可以輕松識別車間中常見的視覺相似材料，并減少總體浪費。”我們通過利用材料的微米級表面結構來實現這一點，這是一種獨特的特性，即使在視覺上與另一種類型相似。如果沒有這些，您可能需要從大型數據庫中對正確的材料名稱進行有根據的猜測。”

除了使用相機，貼紙標簽（如二維碼）也被用于單張紙上，以識別它們。這似乎很簡單，但是，在激光切割過程中，如果代碼從主頁上被切斷，它就無法識別以供將來使用。此外，如果附加了錯誤的標簽，激光切割機將采用錯誤的材料類型。

為了成功地區別材料種類，研究小組對SensiCut的深度神經網絡進行了訓練，對30種不同材料類型的38000多張圖像進行了訓練，然后它可以區分丙烯酸、泡沫板和苯乙烯等物質，甚至可以提供關于功率和速度設置的進一步指導。

在一個實驗中，研究小組決定建造一個面罩，這需要區分車間的透明材料。用戶首先在界面中選擇一個設計文件，然后使用“精確定位”功能使激光器移動，以識別板材上某一點的材料類型。激光與表面的微小特征相互作用，光線從表面反射出來，到達圖像傳感器的像素并產生獨特的二維圖像。然后，該系統可以提醒或標記用戶他們的板材是聚碳酸酯，這意味著如果被激光切割，可能會產生劇毒火焰。

散斑成像技術被用于激光切割機內部，具有低成本的現成組件，如樹莓皮零微處理器板。為了使其緊湊，該團隊設計并三維打印了一個輕型機械外殼。

除了激光切割機之外，該團隊還設想了一個未來，SensiCut的傳感技術最終可以集成到其他制造工具中，如3D打印機。為了捕捉更多細微差別，他們還計劃通過添加厚度檢測（材料組成中的一個相關變量）來擴展系統。