SensiCut:基于散斑感知与深度学习的材料感知激光切割

激光切割与数字加工电路制作与硬件原型产品设计师创客(Maker)与DIY爱好者

激光切割用户在区分视觉上相似的材料时面临困难。这可能导致使用错误的功率/速度设置或意外切割危险材料等问题。为了支持用户,我们提出了SensiCut,这是一款用于激光切割的集成材料传感平台。SensiCut实现了超越用户视觉能力的材料感知,能够可靠地区分外观相似的材料类型。它通过使用散斑感知和深度学习检测材料表面结构来实现这一目标。SensiCut由一个用于激光切割器的紧凑型硬件附加组件和一个将材料传感集成到激光切割工作流程的用户界面组成。除了改进传统工作流程及其安全性外,SensiCut还支持新应用,例如在多材料物体上雕刻时自动分割设计或根据所识别材料的切割缝调整几何形状。我们评估了SensiCut在不同板材方向和照明条件下对不同类型材料的准确性。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/61371/2021

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3472749.3474733
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
激光切割与数字加工、电路制作与硬件原型
work
职业/产业
产品设计师、创客(Maker)与DIY爱好者
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文