Создание системы оценки породы
и плотности укладки древесины

на основе машинного обучения

Клиент

Одна из крупнейших компаний целлюлозно-бумажной промышленности России. Компания осуществляет заготовку, транспортировку, разделку и переработку древесины. Производит товарную целлюлозу, картон и бумагу.

75%
всей российской товарной целлюлозы ежегодно выпускают комбинаты компании.

Одна из крупнейших компаний целлюлозно-бумажной промышленности России. Компания осуществляет заготовку, транспортировку, разделку и переработку древесины. Производит товарную целлюлозу, картон и бумагу.

Задачи

Клиент доставляет лес на грузовых автомобилях в специализированные логистические центры для последующей отправки на комбинаты.

Одна из ключевых задач при приемке древесины в логистическом центре — определить плотность укладки и породу древесины. Для обеспечения высокой пропускной способности, на контрольно-пропускных пунктах использовали специальные фоторамки (скан-треки). Когда через них проезжал груженый лесовоз, его фотографировали в трех проекциях. На основе фото приемщики определяли плотность укладки и породу древесины. Такой подход приводил к возникновению ошибок и высоким расходам на персонал.

Заказчику требовалось

Снизить влияние человеческого фактора на экспертную оценку сырья

Сократить время оценки

Повысить эффективность логистики

Чтобы решить эти задачи, требовалось разработать систему для автоматического измерения объема заготовленного леса на основе фотоаналитики и машинного обучения.

Решение

Компания решила реализовать пилотный проект. Специалисты «Рексофт» создали модель, которая позволяет точно измерять плотность укладки и породу древесины на пунктах приемки лесоматериалов. В основе системы технологии фотоаналитики и машинного обучения на базе передовых глубоких нейронных сетей.

Топология сети

Первая часть

Сверточная нейронная сеть (CNN, Convolution Neural Network) для обработки изображений.

Вторая часть

Полносвязная нейронная сеть (Fully Connected Neural Network, FCNN) для обработки «табличных» данных».

Выходы этих сетей объединены в еще один полносвязный слой, который выдает коэффициент плотности укладки. Породу древесины определяет сверточная нейронная сеть. Она анализирует фото и на основе определенных признаков выдает вероятности, с которыми изображенная древесина может являться, к примеру, березой или осиной. Система выбирает наиболее вероятный вариант.

Данные одного лесовоза, проходящего через скан-трек, обрабатываются в течение нескольких секунд, тогда как ранее процесс мог занимать длительное время, а точность оценки была на значительно более низком уровне.

Обучение сети происходит следующим образом: если предсказание ошибочно, то параметры перестраиваются так, чтобы скорректировать оценку. Это происходит до тех пор, пока ошибка не уменьшится до требуемой величины. В дальнейшем, при возникновении новых данных и новых ошибок, сеть дообучается самостоятельно.

Модель реализована на языке Python, фреймворк для глубинного обучения – PyTorch. Основная архитектура сверточной сети: se-resnext101, алгоритм оптимизации: Adam, функция потерь: средняя абсолютная ошибка.

Результаты

В течение недели в одной точке приемки было проведено пилотное обучение системы. Нейронная сеть предсказала плотность укладки древесины со средней абсолютной ошибкой в 1,2%. Порода древесины была определена верно в 96,8% случаев. Пилот показал, что большая часть ошибок была допущена не сетью, а оператором.

Чтобы увеличить точность, специалисты «Рексофт» продолжили обучение нейронной сети. Это позволило собрать больше данных и накопить «эталонные» показатели изображений. В данный момент идут переговоры о запуске промышленной версии и ее интеграции с 13 скан-треками предприятия в Карелии и Сибири.

Разработанная система позволяет снизить влияние человеческого фактора, сократить время оценки и существенно оптимизировать логистический процесс. Кроме того решение может помочь в формировании общего стандарта применения методов машинного обучения и использоваться для других площадок, вариантов сырья и видов логистики.

В 96,8% случаев
порода древесины была определена верно

Остались вопросы?

Напишите нам. Специалисты «Рексофт» бесплатно ответят на ваши вопросы

Напишите нам

Отвечаем с понедельника по пятницу с 9 до 18 часов по московскому времени.

Заполните поле
Пожалуйста, введите корректный адрес email.
Заполните поле
Заполните поле
Заполните поле
Вы должны согласиться с условиями для продолжения
27 + 2 = ?
Введите результат уравнения для продолжения
Меню