aalto1 untyped-item.component.html
Tukin hahmontunnistaminen 3D-mittareilla ja tukkidatan hyödyntäminen sahaprosessissa
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Chemical Engineering |
Master's thesis
Electronic archive copy is available via Aalto Thesis Database.
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
Department
Major/Subject
Mcode
Puu-28
Degree programme
Language
fi
Pages
57 s. + liitt. 10
Series
Abstract
Today in different phases of saw process it is gathered a lot of measurement data which is utilized locally.
This phenomenon is the research problem studied in this project with new technology 3D-log scanners that had two laser frames instead of one to achieve more accurate and reliable result.
The main objective of this study is the idea of 3D log pattern recognizing between log sorting and sawing.
The main purpose of the idea is to measure the logs at the log sorting and identify them from certain database by their geometrical properties before sawing.
Limab Oy supplied the log scanners for this study and the experimental study was conducted at the log sorting at Koskisen Oy.
For the experimental part of this study 500 pre-sorted spruce logs were selected.
The logs were run, first unbarked then barked, through the 3D-log scanner that was assembled to the log sorting.
The laser surfaces created the geometrical graphs from the logs, the 3D patterns that were utilized for the 3D pattern recognizing.
The 3D pattern recognizing of the logs was conducted with a simulated operating system.
The 3D graphs from unbarked and barked logs were uploaded to the operating system.
The simulated system fits the pattern of barked log to every unbarked log pattern and gives a fitting value.
The fitting value determines by length, top diameter and shape of the logs.
The 3D-log pattern recognition was calculated in different size of log group using the data from operating pattern recognizing system.
The 3D-log patter recognition was 78 % by the average of five groups of 100 logs.
The amount logs in the groups affected decreasingly to the pattern recognition.
In the group of 500 logs, the pattern recognition was 62 %.
With restricting the length parameter from +-15mm to +-10mm, the pattern recognition was increased up to 66 %.
Estimation for the growth of the annual profit was appraised according to the result of this study with an assumption if there is used x-ray and 3D-log scanner combination.
The annual profit growth could be about 2.8 million euros if the pattern recognition is 78 % and rotation of the log in sawing is fulfilled with 70 % by x-ray.
Nykypäivän sahaprosessin eri vaiheissa kerätään paljon mittausdataa, jota hyödynnetään vain paikallisesti.
Tätä ongelmaa tutkittiin tässä tutkimuksessa tukin 3D-hahmontunnistuksen kautta uuden teknologian 3D-tukkimittareilla.
Tutkimuksen tavoitteena on selvittää 3D-hahmontunnistus -idean toimivuutta tukkilajittelun ja sahaan syötön välillä.
Idean tarkoituksena on mitata tukit tukkilajittelussa ja tunnistaa ne määrätystä tietokannasta niistä mitattujen tunnuslukujen perusteella ennen sahaan syöttöä.
Tutkimusta varten Limab Oy toimitti uuden teknologian tukkimittarit, jossa on yhden sijasta kaksi laserkehää tarkemman ja luotettavamman mittaustuloksen aikaansaamiseksi.
Tutkimuksen kokeellinen osa suoritettiin Koskisen Oy:n sahan tukkilajittelussa.
Tutkimukseen valittiin 500 kuusitukkia, jotka ajettiin kuorellisina ja kuorittuina tukkilajitteluun asennetun 3D-mittarin läpi. 3D-mittarin lasertasojen mittauspisteet muodostivat tukeista geometrisen kuvan, 3D-hahmon.
Itse tukin hahmontunnistus suoritettiin simuloidulla hahmontunnistusohjelmistolla, johon tallennettiin tukkimittarin muodostamat 3D-kuvat tukeista niin kuorellisina kuin kuorettomina.
Ohjelmisto sovittaa kuoritun tukin hahmoa jokaiseen kuorelliseen hahmoon ja antaa sovituksesta yhteensopivuusarvon, joka määräytyy tukin pituus-, halkaisija- ja muotosopivuuden perusteella.
Saaduilla yhteensopivuusarvoilla laskettiin tukin 3D-hahmontunnistettavuus erikokoisissa tukkiryhmissä.
Tukkien 3D-hahmontunnistukseksi saatiin 78 % viiden 100 tukin ryhmän 3D-hahmontunnistuksen keskiarvolla.
Tukkien määrällä oli vaikutusta tukkien 3D-hahmontunnistukseen, silla 500 tukin ryhmän 3D-hahmontunnitettavuus oli 62 %.
Pituusparametrin tiukentamisella +-15mm:sta +-10mm:iin saatiin laskennallisesti 4 prosenttiyksikön parannus hahmontunnistukseen 500 tukin ryhmässä.
Tuloksien pohjalta voitiin arvioida sahan arvosaannon kasvua vuositasolla, jos käytössä olisi röntgenmittari 3D-mittarin lisäksi.
Jos 3D-hahmontunnistettavuus olisi 78 % ja tukin pyöritys toteutuu 70 % röntgentiedon mukaan, voisi arvosaannon kasvu olla vuositasolla noin 2,8 miljoonaa euroa.
Description
Supervisor
Kairi, MattiThesis advisor
Haimi, PekkaKoskinen, Kari