연구원들은 물체를 만들기 위해 레이저를 사용하는 대부분의 장인들이 다음과 같은 작업을 수행한다고 지적했습니다.
매사추세츠 공과대학 팀Institute(MIT)는 기계 학습을 사용하여 이 프로세스를 더욱 안전하게 만들었습니다. 컴퓨터 과학 및 인공 지능 연구소(Computer Science and Artificial Intelligence Laboratory)의 과학자들은 잠재적으로 위험한 물질에 대해 경고하는 레이저 절단기용 물질 감지 플랫폼인 SensiCut이라는 기술을 개발했습니다.
이 도구는 저렴한 하드웨어로 구성됩니다.3D PCB에 들어있는 Raspberry Pi Zero 보드와 같은 구성 요소. 그런 다음 모듈은 레이저 커터에 연결되고 도구의 신경망은 재료 표면의 미세 구조 이미지를 기반으로 재료를 식별합니다.
SensiCut 알고리즘을 훈련시키려면 다음 명령을 사용하십시오.38,000개 이상의 이미지와 30가지 유형의 자료를 사용했습니다. 이 도구는 또한 다양한 재료에 대해 다양한 절단 속도와 설정을 사용하는 방법에 대한 지침을 제공할 수 있습니다.
“표준 레이저 절단기 보완렌즈가 없는 이미지 센서를 사용하면 작업장에서 자주 볼 수 있는 시각적으로 유사한 재료를 쉽게 식별하고 전반적인 낭비를 줄일 수 있습니다. 이를 위해 다른 유형의 재료와 시각적으로 유사하더라도 고유한 특성인 미크론 수준의 재료 표면 구조를 사용합니다. 이것이 없으면 대규모 데이터베이스에서 재료의 정확한 이름을 추측해야 할 가능성이 큽니다.”라고 연구원들은 말했습니다.
읽어:
거대한 빙산 A74가 남극 해안과 충돌
중국서 새로운 공룡 2종 발견
케슬러 효과는 무엇이며 궤도에 있는 위성의 충돌은 언제 그리고 무엇으로 이어질까요?