Perfect cut. Every time. Any wood.

Projektā veikti visi plānotie darbi, ieskaitot publikācijas iesniegšanu.

Sagatavotas un iesniegtas publicēšanai divas publikācijas, kopā ar RU pētniekiem:

"THE ORGANIZATION OF LABELLING FOR WOOD PROCESSING USING LINE SCAN CAMERA",

"DEVELOPMENT OF SCANNER QUALITY CONTROL FOR WOOD DEFECT DETECTION USING DEEP CONVOLUTIONAL NEURAL NETWORK SOLUTION".

Abas publikācijas pieņemtas publicēšanai "40th EBES Conference =- Istanbul July 6-8, 2022, Istanbulā, Turcijā.

Projektā veikti faktiski visi plānotie darbi izņemot publikācijas iesniegšanu. Publikācija ir sagatavota kopā ar Rīgas Tehniskās Universitātes pētniekiem.

Īss paveiktā kopsavilkums

Kopējais iegūto marķējumu skaits ir 67072 marķējumi, 6 sugās, 16 klasēs. Marķējumi veikti uz krāsainiem attēliem.

Atbilstoši veiktajiem marķējumiem ir veikti dažādi tīklu treniņi veicot eksperimentus, gan veidojot atsevišķus tīklus katrai sugai, gan apvienojot dažādu sugu informāciju vienā tīklā.

Veikti un pabeigti eksperimenti NIR, SWIR, redzamā spektra un rentgena starojumos

3D datu apstrādes sistēmu izstrādes pebigtas

Izstrādāti divi jauni krāsu segmentācijas algoritmi krāsojuma noteikšanai apses koksnē  

Veikts akcepttests skenera mehāniskajai daļai

Izstrādātas vairākas jaunas optimizācijas tehnoloģijas izmantojot skenera datus

Tehnoloģiskais komplekts papildināts ar stereo kameru izmantošanu

Optiskās tīrības sistēma ir akcpetēta. Akcepttestu rezultāti pozitīvi. Mehāniskās tīrīšanas intervāli reducēti uz 12 stundām.

Projektā risku vairs nav, jo faktiski projektā paredzētās darbības ir pabeigtas.

• Bilineāro un prizmas kameru salīdzinošie pētījumi ar vieniem un tiem pašiem materiāliem, lai noteikti dziļās mācīšanās tīklu atkarību no krāsu interpolācijas veida;

• Ierobežotas tomogrāfijas uzdevuma pārskatīšana, projektēšana un paraugu atlase;

• Optimizācijas algoritmu pilnveidošana pārejot uz telpisku optimizāciju un brusu griešanas stratēģiju;

• Apzinātas rentgena un SWIR kameru un apgaismojuma tehnoloģijas un potenciālie piegādātāji

• Iegūti vizuālie defektu attēli uz trešo pušu skeneriem un iegūts vairāk nekā 100% no marķējumiem.

• Izstrādātas tehniskās iekārtas prasības, balstoties uz esošu iekārtu izpēti, kļūdu un uzlabojumu apkopojumu

• Veiktas divas AI pētījumu kārta analizējot potenciālās neirālo tīklu konfigurācijas ar uzsvaru uz segmentu identificēšanu

• Veiktas algoritmu izstrādes koksnes artefaktu augstāka līmeņa informācijas iegūšanai

• Izstrādāts no skenera 80% vadības programmatiskās daļas

• Rentgena un SWIR iekārtas sākotnēji tiks īrētas ar mērķi iegūt nepieciešamās zināšanas praktiskā darbā.

• Iegūti pirmie SWIR un NIR skenējuma rezultāti

• Anotēšanas un marķēšanas izmaksas ievērojami pārsniedz sākotnējo novērtējumu. AI sākotnējā pētījuma rezultātā konstatēts, ka nepieciešamā marķējumu kvalitāte ir ievērojami augstāka par sākotnēji novērtētajām kvalitātes prasībām.

• Iegūtas pirmās tehniskās iekārtas komponenšu prototipi optisko sistēmu tīrības nodrošināšanaio un jau komercializēti

• Izstrādāta iegūtās informācijas pārvēršana augstāka līmeņa informācijā par potenciālajiem produktiem, kas ietver iegūto defektu informācijas komplektus atbilstoši gala produktu specifikācijām

• Izstrādāta  3D punktu mākoņu kļūdainās (trokšņa) informācijas izņemšana nezaudējot maza izmēra defektu in

• Anotēšana un AI pētījumi:

• Vizuālā spektra AI neironu tīklu pētījumu pirmā daļa veikta ārpakalpojumā izmantojot uzņēmumu Asya, kur pētījumā nodarbināti divi darbinieki ar doktora grādu.

• Anotēšana: uzlabota Zippy Vision Label Master sistēma, kurā anotēti vizuāli

• Šobrīd anotēti 3021 dēļu attēli, kopā iegūtas 31,230 anotācijas, 34 defektu klasēs (daļa no klasēm dublējas starp sugām, ja defektu izskats būtiski atšķiras no sugas uz sugu.).  Sugas: 4. (apse, osis, ozols, priede).

• Identificēti SWIR spektri izpētot pieejamo zinātnisko literatūru.

• Skenera izstrāde:

• Izstrādāts 80% no skenera vadības programmas.