LayerCode offre un modo migliore per incorporare i codici a barre nelle stampe 3D
In ” LayerCode: Optical Barcodes for 3D Printed Shapes “, i ricercatori Henrique Teles Maia, Dingzeu Li, Yuan Yang e Changxi Zheng hanno creato uno schema di tagging chiamato LayerCode. Questo processo di inclusione contrassegna gli oggetti stampati in 3D con codici a barre durante la produzione, consentendo loro di trasferire dati su parti e oggetti senza compromettere la forma della stampa.
I tag LayerCode sono compatibili con le stampanti 3D FDM e le stampanti basate su SLA, sia nella produzione di forme complesse che “non banali”. Questo processo è un miglioramento rispetto a quelli del passato, secondo i ricercatori, che potrebbero aver fallito per numerosi motivi, ma normalmente a causa di problemi con il posizionamento. In questo studio, tuttavia, LayerCode ha avuto successo nel 99% delle volte, con 4.835 forme testate durante questo studio.
Come gli autori del progetto di ricerca sottolineano, i codici a barre sono considerati da molti rivenditori e produttori come una necessità, ma le loro qualità intrinseche con barre nere standard sono in qualche modo simili alla struttura del layering nella stampa 3D. In termini di allegarli alle stampe 3D, tuttavia, questo è stato storicamente un processo difficile a causa delle diverse e personalizzate geometrie di tanti oggetti. LayerCode è stato sviluppato esattamente per questi scopi, incorporando codici in parti curve o arrotondate.
All’inizio del progetto, l’obiettivo del team di ricerca era quello di incorporare i dati nei livelli di stampa con “codifica robusta”, insieme a un algoritmo specifico per la codifica delle informazioni sull’oggetto o sul componente. Si sono resi conto della necessità di “due tipi di layer distinguibili”, creando un nuovo meccanismo di codifica, insieme agli aggiornamenti software e hardware per le stampanti 3D in uso.
Per gli stampatori che utilizzano fino a due materiali, sono stati introdotti tipi di strati con materiali diversi. Nelle stampanti per materiali singoli FDM, hanno cambiato l’altezza di deposizione del filamento. Per le stampanti SLA, hanno mescolato la tintura del vicino infrarosso (NIR) nella resina per creare un secondo tipo di strato.
I tag LayerCode vengono distribuiti in oggetti stampati in 3D attraverso la stampa a due colori (a), le altezze del layer variabile (d) e la steganografia nel vicino infrarosso (g). Nel primo caso (a), il tag LayerCode è visibile; nella seconda (d), il tag è meno visibile; e nel terzo (g) è completamente invisibile, ma comunque leggibile dalla macchina. Proprio come leggere un codice a barre, catturiamo un’immagine di ogni oggetto, e il nostro algoritmo di decodifica elabora l’immagine per creare un grafico di decodifica (b, e, h), da cui viene recuperato un codice a barre lineare (c, f, i). In questo caso, la stringa di bit LayerCode corrispondente rivela un codice a 24 bit ripetuto 3 volte in (a), un codice a 24 bit ripetuto una volta in (d) e un codice a 12 bit ripetuto una volta in (g).
“Il nostro approccio LayerCode proposto presenta una serie di attributi desiderati per etichettare oggetti stampati in 3D”, hanno affermato i ricercatori.
Questi attributi includono:
Robustezza su forme complesse
Facilità con una fotocamera convenzionale
Compatibilità con stampanti 3D
Conservazione strutturale e dell’aspetto
Tagging degli oggetti
Informazioni di profondità
All’inizio della stampa, test su tutti e tre i tipi di stampanti 3D, i ricercatori hanno notato che i lavori richiedevano da 40 minuti a tre ore, in base a quanto complicato fosse l’oggetto.
“Quando si stampa con due colori e con altezze di layer variabili, i costi di tempo sono paragonabili alla stampa senza tag LayerCode. Per la stampa Ember con resina NIR, abbiamo osservato un overhead minore (circa il 15% al 20% di rallentamento) a causa degli swap di vassoio aggiuntivi “, hanno affermato i ricercatori. “Un notevole punto di forza dei tag LayerCode è la capacità di decodificare anche quando l’oggetto è danneggiato, grazie al processo di stampa strato per strato che diffonde il tag sull’intero corpo dell’oggetto.”
Gli autori hanno anche capito che i tag LayerCode sarebbero stati utili nella steganografia per la stampa 3D, con una filigrana lasciata su ciascun oggetto per scoraggiare la contraffazione.
Hanno continuato a testare l’algoritmo di decodifica, utilizzando immagini sintetiche da un renderer fotorealistico. Durante la valutazione, hanno capito che non era conveniente stampare in 3D ogni forma dai set di dati creati. Con un oggetto che impiega fino a un’ora a stampare, il rendering virtuale sarebbe la scelta migliore, ma hanno dichiarato che era “desiderabile” testare i loro algoritmi sulle forme “per prepararsi al futuro”, poiché si aspettano maggiore accessibilità e velocità nella stampa 3D presto.
Con l’ambiente virtuale, tuttavia, sono stati in grado di stampare molti oggetti stampati in 3D da una varietà di angolazioni diverse, fornendo informazioni preziose per l’ulteriore sviluppo dei tag LayerCode. I test hanno rivelato che su 4.835, solo 44 non potevano essere decodificati.
Casi di fallimento Tra le 4.835 forme, 44 forme non possono essere decodificate. Ecco tre sfidanti forme fallite.
Forme decodificate con successo. Uno sguardo alla diversità delle forme testate all’interno del nostro database. Ogni vista presentata viene decodificata correttamente dal nostro algoritmo basato su grafici. Le forme con caratteristiche sconnesse, a guscio, sottili, sinuose e altre sfidanti presentate qui sono ancora soggette a codifica e decodifica dal
nostro approccio LayerCode. Tre forme indicate dalle stelle sono discusse nel testo principale.
“Se un oggetto è completamente occluso o scarsamente illuminato, la decodifica fallirà. La possibilità di decodificare dipende anche dall’angolo di visione della telecamera. Mentre, come mostrato nei nostri esperimenti, i tag LayerCode possono essere letti correttamente da una vasta gamma di angoli di ripresa, ci sono altri angoli di vista (come quelli quasi allineati con la direzione di stampa) da cui la decodifica è soggetta a guasti “, hanno affermato i ricercatori nella loro conclusione. “Pertanto, l’ottimizzazione del modo in cui una forma potrebbe essere mantenuta, vista in piedi o resa meno visibile migliorerebbe sicuramente la robustezza.
“Allo stesso modo, dal momento che non tutti gli angoli sono altrettanto facili da decodificare, l’elaborazione di più viste in parallelo per ottenere una decodifica più robusta serve anche come una strada entusiasmante per il lavoro futuro.”
