В лаборатории при Университете Иллинойса в Урбана-Шампейн представили разработку, способную изменить отношение к контролю в сфере 3D-печати. Система на основе нейросетей научилась распознавать конкретный принтер, на котором изготовлена деталь, по мельчайшим особенностям её поверхности.
Автором проекта стал профессор машиностроения Билл Кинг. В ходе исследований его команда пришла к выводу, что даже идентичные модели оборудования, настроенные одинаково и использующие одни и те же материалы, оставляют индивидуальные следы.
Эти микроскопические отличия фиксируются даже при съёмке на камеру смартфона. Обученная система искусственного интеллекта распознаёт их с точностью, доходящей до 98%. Она способна соотнести изображение площади всего в один квадратный миллиметр с конкретным принтером.
Первые шаги в сторону открытия были сделаны при сравнении допустимых отклонений в размерах изделий, напечатанных разными устройствами.
Экспериментаторы заметили закономерность — машины оставляют свой визуальный «почерк». Это натолкнуло учёных на идею протестировать возможности алгоритмов машинного обучения на выявление этих едва уловимых различий. Результаты оказались не просто убедительными, а по-настоящему прорывными.
Новшество обещает серьёзные перемены в производственной практике. Особенно оно актуально для тех, кто сотрудничает с подрядчиками. Заказчики, как правило, требуют соблюдения определённых условий производства, но проверить, действительно ли партнёр использует заявленное оборудование, почти невозможно.
Новый подход позволяет мгновенно сверить характеристики поставки с эталоном. Это позволяет выявить подмену технологий на ранней стадии, не дожидаясь, пока в изделии проявятся изъяны.
Помимо контроля за соблюдением стандартов, технология поможет в борьбе с подделками. В мировом производстве задействованы млн 3D-печатных компонентов, от которых в некоторых случаях напрямую зависит здоровье или даже жизнь людей. Способность точно определить происхождение деталей становится основой безопасности. Это особенно актуально в медицине, авиастроении, автопроме.
Чтобы обучить модель, учёные использовали свыше 9 тыс. изображений, снятых с изделий, напечатанных на 21 устройстве от шести различных производителей. Задействовано четыре типа печатных технологий. По словам Билла Кинга, для проверки поставщика достаточно предоставить 10 образцов — и система сможет отслеживать, какие именно изделия пришли с конкретного оборудования.
Эта методика даёт производителям инструмент верификации, ранее недоступный. В будущем подобные системы могут стать повсеместными и использоваться наравне с сертификатами и аудитами. Это даст компаниям уверенность в поставках и позволит сократить затраты, вызванные браком или несоответствием заявленным требованиям.
Ещё по теме:
- Pieoneer для macOS получил музыкальное управление и новые визуальные эффекты
- Искусственный интеллект от Google сделал видеоролик, который все приняли за реальный репортаж
- Когда приходят роботы, люди теряют не только работу
