Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Wood Surface Inspection based on Artificial intelligence technology
University West, Department of Engineering Science.
University West, Department of Engineering Science.
2022 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [sv]

Ett vanligt förekommande problem inom träindustrin är att träytor kan inneha defekter. Sprickor, trä-knutar, maskhål och harts är vanligt förekommande defekter. Dessa defekter kan vara svåra att detektera. Kontrollering av de olika ytorna på trämaterial sker i dagsläget genom traditionella icke automatiserade metoder där utbildad personal har ett extra öga för kontrollering av träytor och dess defekter. Inom Industri 4.0 strävar den svenska träindustrin därför efter att automatisera processer samt utveckla verktyg för att åtgärda dessa problem. Artificiell intelligens (AI) är den teknik som behövs för att utvecklingen av denna teknologi ska fungera. Med Artificiell intelligens (AI) och objektdetektering kan man detektera de minsta defekterna på träytor som inte är synliga för anställda att upptäcka på kort tid, via ögat.

Istället för att detektering av defekter ska göras manuellt har ett automatiserat system utvecklats i detta arbete med hjälp av tränad AI, objektdetektering och ett system för att samla data och framställa resultat som visar detektering av defekter på trämaterialets yta. Inom detta arbete har benämningen Artificiell intelligens (AI) valts. I samband med detta tränas en intelligent modell som kan fatta beslut genom visuella data såsom bild och video.

Inom detta arbete används AI-tekniker och objektdetektering. Projektet implementerar en AI-baserad programvara som genom en kamera kan detektera olika typer av defekter som en träbit kan inneha. Efter programvaran har detekterat olika sorters skador ska den på ett smidigt sätt kunna ta kort och lagra dessa bilder i en databas där denna data efteråt kan analyseras. YOLOv5 är den objektdetekterings algoritm som satte grunden för arbetets framgångar och de uppnådda resultaten. Algoritmens prestanda är mycket väl dugligt för detta projekts bredd när det kommer till detektering av olika skador på träytan. 

Abstract [en]

A common problem in the wood industry is that wood surfaces can have defects. Such as cracks, wood knots, wormholes and resin are common defects. These defects can be difficult to detect. Control of the various surfaces on wood materials is currently done through traditional non-automated methods where trained personnel have an extra eye for checking wood surfaces and their defects. In the Industry 4.0 the Swedish wood industry therefore strives to automate processes and develop tools to remedy these problems. Artificial intelligence (AI) is the technology needed to develop this technology to work. Artificial intelligence (AI) and object detection can detect the smallest defects on wooden surfaces that are not visible to employees to detect in a short time through ocular inspection.

Instead of detecting defects manually, an automated system has been developed in this work with the help of trained AI, object detection and a system for collecting data and producing results that show detection of defects on the surface of the wood material.

In this work, the term Artificial Intelligence (AI) has been chosen. In connection with this, an intelligent model is trained that can make decisions through visual data such as image and video. In this work, AI techniques and object detection are used. The project implements an Artificial Intelligence (AI) based software that through a camera can detect different types of defects that a piece of wood can have. After the software has detected various types of damage, it should be able to easily take pictures and store these images in a database where this data can be analyzed afterwards. YOLOv5 is the object detection algorithm that laid the foundation for the success of the work and the results achieved. The performance of the algorithm is very well capable of the scope of this project when it comes to detecting various damages on the wood surface.

Place, publisher, year, edition, pages
2022. , p. 34
Keywords [sv]
Träytor, defekter, detektering
National Category
Computer Sciences Paper, Pulp and Fiber Technology
Identifiers
URN: urn:nbn:se:hv:diva-18848Local ID: EHD500OAI: oai:DiVA.org:hv-18848DiVA, id: diva2:1680930
Subject / course
Computer engineering
Educational program
Datateknik - högskoleingenjör
Supervisors
Examiners
Available from: 2022-08-25 Created: 2022-07-05 Last updated: 2022-08-25Bibliographically approved

Open Access in DiVA

No full text in DiVA

By organisation
Department of Engineering Science
Computer SciencesPaper, Pulp and Fiber Technology

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 227 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf