LV_EU_ID

Kokmateriālu kompleksas skenēšanas sistēmas izstrāde, artefaktu datu kopas veidošana un dziļās mācīšanās svaru masīvu sagatavošana

Darbības programmas “Izaugsme un nodarbinātība” 1.2.1. specifiskā atbalsta mērķa “Palielināt privātā sektora investīcijas P&A” 1.2.1.1. pasākumā “Atbalsts jaunu produktu un tehnoloģiju izstrādei kompetences centru ietvaros” SIA “MAŠĪNBŪVES KOMPETENCES CENTRS” no 2019.gada 1.aprīļa līdz  2022.gada 30.jūnijam īsteno projektu Nr.1.2.1.1/18/A/008 “Mašīnbūves kompetences centrs”.

Projekta “Mašīnbūves kompetences centrs” ietvaros Sabiedrība ar ierobežotu atbildību ZIPPY VISION sadarbībā ar SIA "PCC" 2021. gada 1.martā uzsāk pētniecības projekta Nr. 1.9 “Kokmateriālu kompleksas skenēšanas sistēmas izstrāde, artefaktu datu kopas veidošana un dziļās mācīšanās svaru masīvu sagatavošana” īstenošanu.

Projekta mērķis ir attīstīt tehnoloģijas, kas ļauj apvienot redzamā, infrasarkanajā (tuvējie apgabali) redzamo informāciju ar nolūku identificēt defektus un artefaktus kokmateriālā tālākas apstrādes plānošanai un vadīšanai. Pielietojot šo tehnoloģiju, SIA ZIPPY VISION mērķis ir šī projekta ietvaros izveidot skenera prototipu, izstrādāt tehnoloģijas vizuāli redzamu un vizuāli neredzamu defektu un koksnes artefaktu identifikācijai garenvirziena skenēšanas sistēmā, iegūt pietiekamas paraugu datu kopas populārākajām Latvijā apstrādātajām zāģmateriālu šķirnēm un, izmantojot paraugu datu kopas, iegūt dziļās mācīšanās svaru masīvus pielietošanai reālā industrijā.

 

Pētījumu plānots realizēt līdz 2022.gada 28.februārim.

Tā kopējās izmaksas plānotas EUR 192 050 tai skaitā EUR 131 240 Eiropas Reģionālās attīstības fonda finansējums

Progresa ziņojums

2021. gadA 17. jūnijs

•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.

2021. gada 1. augusts

  • Izstrādāts augstas izšķirtspējas  defektu atpazīšanas dziļās mācīšanās tīkls,kur apvienoti 3D un vizuālās informācijas datu slāņi koksnes defektu atpazīšanai

  • Iegūti 64,000 defektu marķējumu 15 klasēs, kas pārsniedz projektā plānoto apjomu.

  • Pārbaudītas 9 dziļās mācīšanās tīkla konfigurācijas, kur izvēlēta labākā

  • Izstrādāta punktu kopu savietošanas sistēma skenera datu izmantošanai tālākā ražošanas līnijā, konkrēti pozicionēšana, tālāku iekārtu vadība

  • Izstrādāta vizuālās pozicionēšanas datu iegūšanas sistēma, tai skaitā apgaismojuma un vizuālās informācijas apstrāde

  • Izstrādāts jauns skenera vizuālās informācijas priekšapstrādes algoritms precīzai ģeometrijas noteikšanai

  • Izveidota un pārbaudīta integrēta skenera vadības un datu apstrādes sistēma.