Využití jemných rentgenových rekonstrukcí tvaru pro virtuální řezání
Loading...
Date
Authors
Kunda, Matej
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Využívanie strojového učenia a počítačovej optimalizácie rastie a zasahuje do mnohých oblastí a piliarsky priemysel nie je výnimkou. Vďaka optimalizačným algoritmom a virtuálnemu píleniu môžu píly vyrábať dosky a iné drevené výrobky oveľa vyššej kvality. Hlavným faktorom, ktorý zhoršuje kvalitu dosiek, sú hrče. Hrče sú zvyšky konárov, ktoré sú prítomné v každom kuse guľatiny a pílených dosiek. Ich polohu však možno ovplyvniť metódami optimalizácie pílenia a maximalizovať kvalitu a cenu dosiek. Cieľom tejto diplomovej práce bolo vyvinúť jednu z metód optimalizácie pílenia - optimalizáciu uhla pílenia. Pred pílením možno guľatinu otočiť a kontrolovať polohu hŕč na doskách. Metóda optimalizácie funguje tak, že sa röntgenové snímky prevedú na funkciu, ktorá predstavuje umiestnenie uzlov pozdĺž polárnych uhlov v dreve, a na ďalšiu funkciu, ktorá obsahuje Gaussove krivky v rohových bodoch dosiek v píliacom vzore. Nakoniec sa vypočíta a minimalizuje korelácia medzi týmito dvoma funkciami, čo vedie k tomu, že sa uzly vyhnú rohovým oblastiam na doske. Navrhovaná metóda funguje na jednoduchom princípe, je výpočetne efektívna a možno ju nasadiť v aplikáciách, ktoré pracujú v reálnom čase. Vyvinutá metóda bola vyhodnotená aplikáciou virtuálneho pílenia pomocou uhlov získaných na datasete obsahujúcom anotované röntgenové údaje guľatiny, ktorý bol porovnaný so segmentovanými pozíciami hŕč a priemerným výsledkom. Výsledkom práce bolo pozoruhodné zníženie počtu hranových hŕč v už aj tak vysoko optimalizovanom prostredí pílenia.
The usage of machine learning and computer optimisation is growing and reaches many fields, and the sawmilling industry is no exception. With optimisation algorithms and virtual sawing, sawmills can produce boards and other wooden products of much higher quality. The main factor that degrades the quality of boards is knots. Knots are the leftovers of branches present in every piece of log and sawn boards. However, their position can be altered with sawing optimisation methods, and the board grade and price maximised. This Master's thesis aimed to develop one of the sawing optimisation methods -- sawing angle optimisation. Before sawing, the log can be rotated, and the location of knots on boards can be controlled. The optimisation method works by converting X-ray data to a function that represents knot locations along the polar angles in the wood and another function that contains Gaussian curves at the corner points of boards in the sawing pattern. Finally, a cross-correlation is computed and minimised between these two functions, resulting in knots avoiding the corner areas. The proposed method works on a simple principle, is computationally effective and can be deployed in real-time applications. The developed method was evaluated by applying virtual sawing using the angles obtained on a challenging dataset containing annotated X-ray data of logs, which was compared with ground truth data and an average result. The thesis resulted in an impressive decrease in arris knots count in an already highly optimised sawing environment.
The usage of machine learning and computer optimisation is growing and reaches many fields, and the sawmilling industry is no exception. With optimisation algorithms and virtual sawing, sawmills can produce boards and other wooden products of much higher quality. The main factor that degrades the quality of boards is knots. Knots are the leftovers of branches present in every piece of log and sawn boards. However, their position can be altered with sawing optimisation methods, and the board grade and price maximised. This Master's thesis aimed to develop one of the sawing optimisation methods -- sawing angle optimisation. Before sawing, the log can be rotated, and the location of knots on boards can be controlled. The optimisation method works by converting X-ray data to a function that represents knot locations along the polar angles in the wood and another function that contains Gaussian curves at the corner points of boards in the sawing pattern. Finally, a cross-correlation is computed and minimised between these two functions, resulting in knots avoiding the corner areas. The proposed method works on a simple principle, is computationally effective and can be deployed in real-time applications. The developed method was evaluated by applying virtual sawing using the angles obtained on a challenging dataset containing annotated X-ray data of logs, which was compared with ground truth data and an average result. The thesis resulted in an impressive decrease in arris knots count in an already highly optimised sawing environment.
Description
Citation
KUNDA, M. Využití jemných rentgenových rekonstrukcí tvaru pro virtuální řezání [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Počítačové vidění
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda)
doc. Ing. Michal Španěl, Ph.D. (člen)
prof. Ing. Tomáš Vojnar, Ph.D. (člen)
doc. Ing. Vítězslav Beran, Ph.D. (člen)
doc. Ing. Peter Chudý, Ph.D., MBA (člen)
Ing. David Bařina, Ph.D. (člen)
Date of acceptance
2024-06-18
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení