Automatisk vederlagsmätning av timmer med AI/visionteknik. Förstudie
Nedklassningsorsaker som idag bedöms manuellt bör kunna detekteras med hjälp av bildigenkänning, vilket kan fungera som ett komplement till de system som används idag för att komma närmare en helautomatisk kvalitetsbedömning av sågtimmer.
Målet är att skapa en databas med annoterat videomaterial av defekter som kan användas för att träna och verifiera maskininlärningsmodeller för de nedklassande defekttyper som idag bedöms manuellt, samt tränade modeller för några defekttyper som presterar minst lika bra som den manuella bedömningen. Vi kommer att fokusera maskininlärningen i det här projektet på de defekttyper som är detekterbara i synligt ljus, väl medvetna och koordinerade med det pågående projektet som undersöker användandet av NIR för att detektera defekter på stockändar.
Projekttid; 2021-06-01 - 2022-03-31
Budget TCN: 740000 kr
Område: Material & processer
Budget: 740 000 kr
Tidplan: juni 2021 – mars 2022
Projektledare: Peter Bomark, RISE
Finansiering: Detta delprojekt finansieras av TCNs industriparter.
Uppdaterad: