Die Verarbeitung von Holz erfolgt in arbeitsintensiven und mehrstufigen Verfahren, bei denen das Produkt mehrmals während des Produktionsprozesses gemessen und geprüft wird. Ein Zweig der holzverarbeitenden Industrie ist die Produktion von Sperrholz, bei der die gefällten Baumstämme zu glatten Sperrholzpaneelen verarbeitet werden.
Nach dem Fällen der Bäume werden die unbehandelten Stämme in ca. 2,50 m lange Teile zersägt, von denen maschinell die Rinde gelöst wird, um lange Furnierplatten herzustellen. Das Holz wird vor der Weiterverarbeitung konditioniert, damit sich die Rinde leichter entfernen lässt. Zunächst wird in einer Wasser- bzw. Dampfkammer der Feuchtigkeitsgehalt der Teile erhöht. Danach wird die Furnierplatte auf Fehler untersucht und in ca. 1,20 x 2,45 m große Platten geschnitten. Nach einem Trockenvorgang werden die Platten erneut überprüft und nach Güteklassen sortiert. Für die Herstellung des Sperrholzpaneels werden mehrere Platten, normalerweise zwischen 3 und 7 Stück, in eine Presse eingebracht, schichtweise zusammengefügt, mit Leim verbunden, verpresst und mit Dampf erhitzt.
In verschiedener Hinsicht ähnelt die Überprüfung des Holzes anderen Anwendungen, bei denen das menschliche Sehvermögen eine Rolle spielt. Die Holzinspektion ist aufgrund mehrerer Faktoren ideal für eine Bildverarbeitungsanwendung. So laufen die Furnierplatten auf einem Förderband mit einer Rate von 1 Stück pro Sekunde. Für das menschliche Auge ist es während einer 8-Stunden-Schicht extrem schwierig, nach Ästen, Löchern, Schmutz, Vertiefungen und anderen Fehlern zu suchen, selbst wenn die Arbeiter die regulären Pausen einhalten. Darüber hinaus fehlt die Objektivität automatisierter Systeme. Letztlich spricht auch für die Anwendung der Bildverarbeitung, dass die Nebenprodukte des Produktionsprozesses wie Rauch und Holzstaub ein hohes Gesundheitsrisiko für die in diesem Bereich Beschäftigten darstellen.
Die Ventek hat die Herausforderung angenommen und mit dem System GS2000 eine Anwendung geschaffen, bei der die Holzfurnierplatten nach dem Trockenprozess automatisch gescannt werden. Das GS2000 prüft die Furniere 24 Stunden lang am Tag und berechnet die Güteklasse mit höchster Genauigkeit.
Das System
Das GS2000 wird ständig weiterentwickelt. Die erste Version, im Jahr 2000 eingeführt, wurde mit einem Matrox Genesis-LC Framegrabber gebaut sowie der Matrox Imaging Library (MIL) auf einem PC. Gegenwärtig verfügt die neuste Version über eine e2v AViiVA 2k Zeilenkamera und einen Matrox Camera-Link Framegrabber auf einem 3 GHz PC. Drei Webleuchten erhellen den zu prüfenden Bereich. Die Bilderfassung, Bildverarbeitung und die Messungen werden durch MIL unter Verwendung der Bilderfassungs-, Schwellwert- und Tabellen (LUT) Funktionen sowie der Teilchenanalyse ausgeführt.
Das GS2000 erfasst und verarbeitet die Bilder einer Holzplatte in 0,5 s oder schneller. Nachdem die Bilder erfasst wurden, werden sie in einer kreisförmig angeordneten Gruppe von Puffern gespeichert, die Platten werden geprüft und in Bildpuffer eingebaut. Die Algorithmen von MIL verarbeiten das Bild mit hoher Geschwindigkeit zu Blob-Daten, die dann nach Fehlertypen klassifiziert werden.
Das System GS2000 basiert vorrangig auf dem Neural Network Classifier. Neural Networks versucht mit Hilfe mathematischer Konstrukte Modelle nachzubilden, die bestimmte Merkmale biologischer neuraler Systeme beinhalten. Wie der Name vermuten lässt, ist der Neural Network Classifier das Gehirn des Systems. Damit der GS2000 effektiv Fehler erkennen kann, muß der Neural Network Classifier mit Bildern dieser Fehler trainiert werden. Äste, Löcher, Spalten, Risse, Flecken, Lücken (fehlende Bereiche wie abgebrochene Kanten) und Schwund (Bereiche sehr dünnen Holzes) können Fehler darstellen. Jeder Fehlertyp verfügt über bestimmte Parameter, wie Größe, Form, die maximal zulässige Anzahl pro Platte und sogar die Holzart, wie Fichte, Kiefer, Hemlocktanne oder Rottanne.
Die Flexibilität des Blob-Analysemoduls von MIL war bei der Entwicklung des Neural Network Classifiers unverzichtbar. Durch die Teilchenanalysefunktion erhält man zahlreiche Meßwerte, die einfach berechnet werden können und die in dem Programm leicht zugänglich sind. Meßwerte, die nicht benötigt werden, können ausgeschlossen werden und belasten damit nicht die Verarbeitungszeit. Wenn die Position des Blob (Fehlers) erkannt wurde, können eigene spezielle Messungen ausgeführt werden. Die Leistungsfähigkeit von Neural Networks kann nur ausgenutzt werden, wenn solide Daten vorliegen. Bei der Eingabe von inkonsistenten Daten können auch nur inkonsistente Ergebnisse erzielt werden. Bei Neural Networks trifft voll und ganz die alte Computerweisheit zu: Wenn der Input nichts taugt, ist auch der Output entsprechend. Ventek wendet statistische Test an, um prägnante Fehlermerkmale auszuwählen und entfernt inkonsistente Daten aus den Trainingseinheiten. Bei richtiger Anwendung liefert Neural Networks sehr zuverlässige Ergebnisse.
Nach der Lokalisierung des Fehlers auf der Furnierplatte mit Hilfe der Bildverarbeitung werden die Eigenschaften des Fehlers (Blob) gemessen. Der Fehlertyp wird klassifiziert und mit den Merkmalen der einzelnen Güteklassen verglichen. Die Vorgaben der Güteklassen sind sehr flexibel. Sie werden in eine listenartige Datenbank eingegeben, die es den Kunden ermöglicht, nur so viele Vorgaben wie nötig für die Definition der Güteklasse zu spezifizieren. Die Furnierplatten werden entweder einem gültigen Standard zugewiesen oder, wenn sie den Vorgaben der Liste nicht entsprechen, aussortiert. Während in einigen Industriezweigen ein Produkt nur noch Ausschuß ist, wenn es die Prüfung nicht besteht, können Furnierplatten einer niederen Güteklasse trotzdem als zentrale Schicht im Sperrholz weiterverwendet werden. Sind die Platten erst einmal verleimt, werden sie nachgeschnitten und zu fertigem Sperrholz verarbeitet.
Herausforderungen während der Entwicklung
Herausforderungen während der Entwicklung während der Entwicklung von GS2000 war die Geschwindigkeit von großer Bedeutung. Außerdem waren die kundenspezifischen Datenbanken der Holzfehler eine Herausforderung. Sie geben die Bereiche und Variationen an, die klassifiziert werden müssen. Flecken, zum Beispiel, erscheinen normalerweise während des Trocknens und können die Bildverarbeitung erschweren. Deshalb muß der Neural Network Classifier flexibel genug sein, alle Fehlertypen zu erkennen. Während der Entwicklungsphase zeigte sich, dass das Teilchenanalysemodul der MIL den Anforderungen an die Fehlermessung gerecht wird und entsprechende Daten an den Neural Network Classifier liefert.
Qualität ist die Basis
Ventek ist bekannt für innovative Bildverarbeitungsprodukte für die holzverarbeitende Industrie. Das GS2000 wurde für industrielle Umgebungen optimiert und läuft zufriedenstellend unter schwierigen Bedingungen, wie Rauch, Holzstaub und Hitze.
Direkt Link zur Matrox Imaging Library:
http://www.rauscher.de/...
RAUSCHER
Johann-G.Gutenberg-Str. 20
D-82140 Olching
Tel 0 81 42 / 4 48 41-0
Fax 0 81 42 / 4 48 41-90
E-Mail: info@rauscher.de
www.rauscher.de
Nach dem Fällen der Bäume werden die unbehandelten Stämme in ca. 2,50 m lange Teile zersägt, von denen maschinell die Rinde gelöst wird, um lange Furnierplatten herzustellen. Das Holz wird vor der Weiterverarbeitung konditioniert, damit sich die Rinde leichter entfernen lässt. Zunächst wird in einer Wasser- bzw. Dampfkammer der Feuchtigkeitsgehalt der Teile erhöht. Danach wird die Furnierplatte auf Fehler untersucht und in ca. 1,20 x 2,45 m große Platten geschnitten. Nach einem Trockenvorgang werden die Platten erneut überprüft und nach Güteklassen sortiert. Für die Herstellung des Sperrholzpaneels werden mehrere Platten, normalerweise zwischen 3 und 7 Stück, in eine Presse eingebracht, schichtweise zusammengefügt, mit Leim verbunden, verpresst und mit Dampf erhitzt.
In verschiedener Hinsicht ähnelt die Überprüfung des Holzes anderen Anwendungen, bei denen das menschliche Sehvermögen eine Rolle spielt. Die Holzinspektion ist aufgrund mehrerer Faktoren ideal für eine Bildverarbeitungsanwendung. So laufen die Furnierplatten auf einem Förderband mit einer Rate von 1 Stück pro Sekunde. Für das menschliche Auge ist es während einer 8-Stunden-Schicht extrem schwierig, nach Ästen, Löchern, Schmutz, Vertiefungen und anderen Fehlern zu suchen, selbst wenn die Arbeiter die regulären Pausen einhalten. Darüber hinaus fehlt die Objektivität automatisierter Systeme. Letztlich spricht auch für die Anwendung der Bildverarbeitung, dass die Nebenprodukte des Produktionsprozesses wie Rauch und Holzstaub ein hohes Gesundheitsrisiko für die in diesem Bereich Beschäftigten darstellen.
Die Ventek hat die Herausforderung angenommen und mit dem System GS2000 eine Anwendung geschaffen, bei der die Holzfurnierplatten nach dem Trockenprozess automatisch gescannt werden. Das GS2000 prüft die Furniere 24 Stunden lang am Tag und berechnet die Güteklasse mit höchster Genauigkeit.
Das System
Das GS2000 wird ständig weiterentwickelt. Die erste Version, im Jahr 2000 eingeführt, wurde mit einem Matrox Genesis-LC Framegrabber gebaut sowie der Matrox Imaging Library (MIL) auf einem PC. Gegenwärtig verfügt die neuste Version über eine e2v AViiVA 2k Zeilenkamera und einen Matrox Camera-Link Framegrabber auf einem 3 GHz PC. Drei Webleuchten erhellen den zu prüfenden Bereich. Die Bilderfassung, Bildverarbeitung und die Messungen werden durch MIL unter Verwendung der Bilderfassungs-, Schwellwert- und Tabellen (LUT) Funktionen sowie der Teilchenanalyse ausgeführt.
Das GS2000 erfasst und verarbeitet die Bilder einer Holzplatte in 0,5 s oder schneller. Nachdem die Bilder erfasst wurden, werden sie in einer kreisförmig angeordneten Gruppe von Puffern gespeichert, die Platten werden geprüft und in Bildpuffer eingebaut. Die Algorithmen von MIL verarbeiten das Bild mit hoher Geschwindigkeit zu Blob-Daten, die dann nach Fehlertypen klassifiziert werden.
Das System GS2000 basiert vorrangig auf dem Neural Network Classifier. Neural Networks versucht mit Hilfe mathematischer Konstrukte Modelle nachzubilden, die bestimmte Merkmale biologischer neuraler Systeme beinhalten. Wie der Name vermuten lässt, ist der Neural Network Classifier das Gehirn des Systems. Damit der GS2000 effektiv Fehler erkennen kann, muß der Neural Network Classifier mit Bildern dieser Fehler trainiert werden. Äste, Löcher, Spalten, Risse, Flecken, Lücken (fehlende Bereiche wie abgebrochene Kanten) und Schwund (Bereiche sehr dünnen Holzes) können Fehler darstellen. Jeder Fehlertyp verfügt über bestimmte Parameter, wie Größe, Form, die maximal zulässige Anzahl pro Platte und sogar die Holzart, wie Fichte, Kiefer, Hemlocktanne oder Rottanne.
Die Flexibilität des Blob-Analysemoduls von MIL war bei der Entwicklung des Neural Network Classifiers unverzichtbar. Durch die Teilchenanalysefunktion erhält man zahlreiche Meßwerte, die einfach berechnet werden können und die in dem Programm leicht zugänglich sind. Meßwerte, die nicht benötigt werden, können ausgeschlossen werden und belasten damit nicht die Verarbeitungszeit. Wenn die Position des Blob (Fehlers) erkannt wurde, können eigene spezielle Messungen ausgeführt werden. Die Leistungsfähigkeit von Neural Networks kann nur ausgenutzt werden, wenn solide Daten vorliegen. Bei der Eingabe von inkonsistenten Daten können auch nur inkonsistente Ergebnisse erzielt werden. Bei Neural Networks trifft voll und ganz die alte Computerweisheit zu: Wenn der Input nichts taugt, ist auch der Output entsprechend. Ventek wendet statistische Test an, um prägnante Fehlermerkmale auszuwählen und entfernt inkonsistente Daten aus den Trainingseinheiten. Bei richtiger Anwendung liefert Neural Networks sehr zuverlässige Ergebnisse.
Nach der Lokalisierung des Fehlers auf der Furnierplatte mit Hilfe der Bildverarbeitung werden die Eigenschaften des Fehlers (Blob) gemessen. Der Fehlertyp wird klassifiziert und mit den Merkmalen der einzelnen Güteklassen verglichen. Die Vorgaben der Güteklassen sind sehr flexibel. Sie werden in eine listenartige Datenbank eingegeben, die es den Kunden ermöglicht, nur so viele Vorgaben wie nötig für die Definition der Güteklasse zu spezifizieren. Die Furnierplatten werden entweder einem gültigen Standard zugewiesen oder, wenn sie den Vorgaben der Liste nicht entsprechen, aussortiert. Während in einigen Industriezweigen ein Produkt nur noch Ausschuß ist, wenn es die Prüfung nicht besteht, können Furnierplatten einer niederen Güteklasse trotzdem als zentrale Schicht im Sperrholz weiterverwendet werden. Sind die Platten erst einmal verleimt, werden sie nachgeschnitten und zu fertigem Sperrholz verarbeitet.
Herausforderungen während der Entwicklung
Herausforderungen während der Entwicklung während der Entwicklung von GS2000 war die Geschwindigkeit von großer Bedeutung. Außerdem waren die kundenspezifischen Datenbanken der Holzfehler eine Herausforderung. Sie geben die Bereiche und Variationen an, die klassifiziert werden müssen. Flecken, zum Beispiel, erscheinen normalerweise während des Trocknens und können die Bildverarbeitung erschweren. Deshalb muß der Neural Network Classifier flexibel genug sein, alle Fehlertypen zu erkennen. Während der Entwicklungsphase zeigte sich, dass das Teilchenanalysemodul der MIL den Anforderungen an die Fehlermessung gerecht wird und entsprechende Daten an den Neural Network Classifier liefert.
Qualität ist die Basis
Ventek ist bekannt für innovative Bildverarbeitungsprodukte für die holzverarbeitende Industrie. Das GS2000 wurde für industrielle Umgebungen optimiert und läuft zufriedenstellend unter schwierigen Bedingungen, wie Rauch, Holzstaub und Hitze.
Direkt Link zur Matrox Imaging Library:
http://www.rauscher.de/...
RAUSCHER
Johann-G.Gutenberg-Str. 20
D-82140 Olching
Tel 0 81 42 / 4 48 41-0
Fax 0 81 42 / 4 48 41-90
E-Mail: info@rauscher.de
www.rauscher.de
