Ispezione della superficie di legno
Identifica i problemi di qualità nel taglio finale di tavole di legno

Related Products

Software di visione basato sul deep learning con tutta la potenza di In-Sight ViDi

A breakthrough in complex inspection, part location, classification, and OCR
Le segherie moderne sono imprese controllate da computer che trasformano i tronchi grezzi in milioni di piedi di tavole di legno al giorno. Dopo il taglio e la rifilatura iniziali, il legno viene essiccato in forno o all'aria, quindi piallato e tagliato alle dimensioni finali. Il legno è classificato con precisione in base alla sua qualità. Il numero e la posizione dei difetti, che si tratti di scheggiature, crepe o altri difetti, nel taglio finale determinano la qualità del legno e quindi il prezzo finale che può essere addebitato.
Essendo un prodotto naturale, il legno è più vario dei materiali artificiali, rendendo difficile l'ispezione della superficie del legno. È impossibile programmare tutti i possibili difetti e disegni del legno, quindi la visione industriale convenzionale è di uso limitato per l'ispezione visiva per la classificazione del legname.
Il Deep Learning di Cognex viene addestrato su immagini di vari possibili difetti del legno rivelati dai tagli di sega. Lo strumento di classificazione identifica e distingue quindi vari tipi di difetti del legno, accettando l'ampia gamma di disegni, trame e variazioni di colore.
Problemi di qualità del legno, indipendentemente dal fatto che si tratti di un taglio scadente o una scarsa qualità del legno iniziale, sono indice di un problema a monte della catena di approvvigionamento. Il Deep Learning di Cognex è sufficientemente sensibile da rilevare lievi variazioni nel taglio che indicano un possibile problema con la lama della sega. Anziché aspettare che la qualità della sega diminuisca al punto tale che il suo taglio diventa abbastanza irregolare da richiedere una riclassificazione del legno, è possibile regolare o sostituire la sega molto prima che si verifichi un problema visibile.
