هوش مصنوعی سازنده قطعات ۳D را با دقت ۹۸.۵٪ شناسایی می‌کند
محققان دانشگاه Illinois نشان داده‌اند که هر پرینتر صنعتی سه‌بعدی الگوی سطحی ظریف و منحصربه‌فردی روی قطعات تولیدی خود برجای می‌گذارد. این تیم تحقیقاتی با تولید ۹,۱۹۲ قطعه توسط ۲۱ دستگاه پرینتر تجاری، شامل چهار فناوری مختلف چاپ سه‌بعدی: سنتز نور دیجیتال (Digital Light Synthesis)، فیوژن چندجتی (Multi-Jet Fusion)، استریولیتوگرافی (Stereolithography) و رسوب ذوب‌شده (Fused-Deposition Modeling)، کتابخانه‌ای از تصاویر با وضوح بالا برای آموزش و آزمون مدل خود ایجاد کردند.
برای هر قطعه، سطح آن را با وضوح ۵.۳ میکرون بر پیکسل (µm/px) توسط اسکنر اسناد اسکن کردند تا تصاویر میکروسکوپی دقیق در اختیار مدل قرار گیرد. سپس یک شبکه‌ی عصبی مبتنی بر معماری EfficientNet-V2 را با استفاده از تکنیک «رای‌گیری» روی تصاویر تصادفی آموزش دادند. نتیجه بسیار چشمگیر است:
شناسایی پرینتر سازنده: مدل توانست با بررسی قطعات جدیدی که قبلا جزو داده‌های آموزشی آن نبوده‌اند، با دقت ۹۸.۵٪ تشخیص دهد هر قطعه توسط کدام دستگاه تولید شده است. به عبارت دیگر، اگر ۱۰۰ قطعه‌ی ناشناخته به مدل داده شود، این مدل پرینتر سازنده حدود ۹۸ یا ۹۹ تای آنها را درست شناسایی می‌کند.
تشخیص فرآیند و جنس مواد: بسته به فناوری ساخت، دقت این تشخیص تا ۱۰۰٪ بود.
موقعیت روی سینی: برای قطعات تولیدشده با سنتز نور دیجیتال، مدل توانست موقعیت دقیق قطعه روی سینی ساخت را با خطای حدود ۵ سانتی‌متر تعیین کند.
آنها همچنین بررسی کردند که چگونه وضوح تصویر و اندازه‌ی کراپ (برش کوچک تصویر) روی دقت تاثیر می‌گذارد. برای فناوری‌های با جزئیات سطحی ریز مانند سنتز نور دیجیتال، برش ۲۰۰ میکرون مربعی کافی بود؛ اما در فناوری رسوب ذوب‌شده به نواحی بزرگ‌تری، حدود ۳ میلی‌متر، نیاز بود. این بدان معناست که می‌توان از دوربین‌ها یا اسکنرهای تجاری معمولی نیز برای کاربردهای عملی استفاده کرد. این روش، ابزار قدرتمندی برای نظارت بر زنجیره‌ی تامین فراهم می‌کند؛ از تایید استفاده از پرینتر مورد توافق، تشخیص تغییرات فرآیندی بدون اطلاع‌رسانی، تا ردیابی قطعات معیوب یا تقلبی بدون نیاز به برچسب‌های فیزیکی یا همکاری تامین‌کننده. مدل هوش مصنوعی مبتنی بر الگوهای میکروسکوپی، چشم‌انداز جدیدی برای اعتبارسنجی و امنیت در تولید ایجاد می‌کند.