Image-based detection of defective logs

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Koskenohi, Kimmo
dc.contributor.author Enarvi, Seppo
dc.date.accessioned 2013-04-26T06:25:16Z
dc.date.available 2013-04-26T06:25:16Z
dc.date.issued 2006
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/9031
dc.description.abstract This thesis describes the development of a computer vision system that was installed at the Stora Enso wood handling terminal in Uimaharju. A measurement station is responsible for scaling the logs that the terminal receives, but until now grading has been entirely manual. The computer vision system substantially reduces the work load of the human grader by automatically detecting defects from log end images. The human grader will only grade the logs that the software suspects as being defective. A comprehensive survey of basic image segmentation techniques is given. In particular their application for the segmentation of color images is discussed. An explanation of is-sues related to selecting a color space for a particular purpose and a review of the most common color spaces is included. The development of the computer vision system that comprises image acquisition, segmentation, object recognition, and feature classification is described. The major merit of the thesis is the development of algorithms that localize the end of a log from a camera image, and detect if there are visible defects on the surface of the log end. Localization of the log end is based on three-dimensional tables that represent typical wood colors, and the circular shape of the log end. Defects are detected using statistical features of the log end pixel colors. en
dc.description.abstract Tässä diplomityössä käsitellään malleja, ohjelmia ja tietokantoja systeemibiologiassa. Tämä diplomityö koostuu kirjallisuuskatsauksesta ja toteutusosasta. Kirjallisuuskatsauksessa esitetään tarpeellinen taustatieto systeemibiologiasta ja niistä haasteista, jotka mallien esitys ja käyttö aiheuttavat. Kirjallisuusosassa pohditaan systeemibiologiaa tieteenalana ja alan erikoispiirteitä. Lisäksi mietitään, miten systeemibiologisia malleja esitetään tällä hetkellä ja miten ne pitäisi esittää. Valittu joukko työkaluja, joita voidaan käyttää mallien saamiseksi esitellään. Lisäksi tutustutaan muutamaan tietokantaan, joissa säilytetään ja jaetaan systeemibiologian malleja. Toteutusosassa käsitellään kolmea tietokoneohjelmaa, jotka on toteutettu tämän diplomityön puitteissa käytettäviksi systeemibiologisen datan siirtämiseen ja muokkaamiseen. Integrator, ohjelmisto systeemibiologian tutkimukseen, on huomion kohteena. Tämän diplomityön puitteissa Integraattoriin luotiin kolme uutta tietokoneohjelmaa. Nämä ovat Systems Biology Markup Language (SBML)-parseri, jolla voidaan tuoda systeemibiologian malleja Integrator ympäristöön, Kineettisten lakien muokkaaja, jolla voidaan muunnella malleja tehokkaasti ja käyttäjän kannalta helpommin sekä Datasettien muokkaaja simulaatioiden alkuarvojen asettamiseen ja tulosten tulkintaan. Kaksi Mitogen Activated Protein Kinase (MAPK)-kaskadi mallin simulaatiota replikoidaan käyttämällä SBML-formaatissa olevaa mallia, joka on haettu BioModels tietokannasta. Malli tuodaan Integrator ympäristöön SMBL-parserilla. Kineettisten lakien muokkaajaa käytetään mallin muuntelemiseen simulaatioiden välissä. Datasettien muokkaajaa käytetään alkuarvojen asettamiseen ja tulosten näkemiseen. fi
dc.format.extent 11+84 s.
dc.format.mimetype application/pdf
dc.language.iso en en
dc.title Image-based detection of defective logs en
dc.title Kuvalähtöinen vajaalaatuisten tukkien tunnistaminen fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Perustieteiden korkeakoulu fi
dc.contributor.department Tietotekniikan osasto fi
dc.subject.keyword puun laatu fi
dc.subject.keyword kuvankäsittely fi
dc.subject.keyword värikuvan segmentointi fi
dc.subject.keyword hahmontunnistus fi
dc.subject.keyword wood quality en
dc.subject.keyword image processing en
dc.subject.keyword color image segmentation en
dc.subject.keyword object recognition en
dc.identifier.urn URN:NBN:fi:aalto-201304271936
dc.type.dcmitype text en
dc.programme.major Vuorovaikutteinen digitaalinen media fi
dc.programme.mcode T-111
dc.type.ontasot Diplomityö fi
dc.type.ontasot Master's thesis en
dc.contributor.supervisor Takala, Tapio


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account