Holzoberflächenprüfung
Feststellung von Qualitätsproblemen in fertig geschnittenen Holzbrettern
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Moderne Sägewerke sind computergesteuerte Unternehmen, die Rohholz täglich zu Millionen Laufmeter Holzbohlen verarbeiten. Nach dem anfänglichen Schneiden und Abrichten wird das Holz ofen- oder luftgetrocknet, anschließend gehobelt und auf die endgültigen Abmessungen zugeschnitten. Die Holzqualität wird genau bewertet. Die Anzahl und der Ort der Fehler im endgültigen Zuschnitt, ob Splitter, Risse oder andere Mängel, bestimmen die Güteklasse des Holzes und damit den Endpreis, der verlangt werden kann.
Als Naturprodukt variiert Holz stärker als künstliche Werkstoffe, daher ist die Holzoberflächenprüfung eine schwierige Aufgabe. Es ist unmöglich, alle möglichen Fehler und Holzmuster zu programmieren, daher ist die herkömmliche industrielle Bildverarbeitung bei der Sichtprüfung zur Bestimmung der Güteklasse des Holzes nur von begrenztem Nutzen.
Cognex Deep Learning wird anhand von Bildern mit verschiedenen möglichen Holzmängeln, die in Sägeschnitten sichtbar werden, geschult. Das Klassifizierungstool erkennt und unterscheidet dann verschiedene Arten von Holzmängeln, während es eine Vielzahl von Mustern, Texturen und Farbabweichungen akzeptiert.
Probleme mit der Holzqualität, zum Beispiel ein schlechter Zuschnitt oder eine schlechte Qualität des ursprünglichen Holzes, weisen auf ein Problem im Vorfeld der Lieferkette hin. Cognex Deep Learning ist sensibel genug, um leichte Abweichungen im Zuschnitt zu erkennen, die auf ein mögliches Problem mit dem Sägeblatt hinweisen. Anstatt darauf zu warten, dass die Sägequalität soweit sinkt, dass der Zuschnitt so rau ist, dass eine Nachbearbeitung des Holzes erforderlich wird, kann die Säge eingestellt oder ausgetauscht werden, lange bevor ein sichtbares Problem auftritt.
