Par Sarah Sookman, Matrox Imaging

La production de bois est un processus qui compte de nombreuses étapes et requiert une importante main d'œuvre. Le produit est mesuré et inspecté à plusieurs reprises pendant le cycle de production. La production de contreplaqué est l'une des ramifications de l'industrie du bois, où la bûche brute d'origine est transformée en panneau de contreplaqué fini.

Lorsque les arbres sont abattus, les troncs bruts sont débités en sections d'environ 2,5 mètres de long dont l'écorce est retirée_pour produire de longs rubans de bois de placage. Le processus d'écorçage est plus simple lorsque le bois est préparé ; par conséquent, les sections sont préalablement placées dans une chambre à vapeur pour augmenter leur teneur en humidité. Le ruban de placage est ensuite inspecté à la recherche de défauts, découpé en feuilles de 1,22 x 2,44 mètres environ puis passé au séchoir. Une fois l'étape de séchage terminée, les feuilles sont encore inspectées et triées par catégories. Plusieurs feuilles, généralement entre 3 et 7, sont insérées dans une presse, empilées et jointes à la colle, par pression et à la vapeur pour réaliser un panneau de contreplaqué.

Par certains aspects, l'inspection du bois n'est pas différente des autres applications qui dépendent de la vue humaine, et de nombreux facteurs font de l'inspection du bois une tâche idéalement adaptée à la vision artificielle. Les feuilles de placage passent sur un tapis roulant au rythme de 1 par seconde et la tâche de repérage des nœuds, des trous, des salissures, des creux et autres défauts est extrêmement fatigante pour l'œil humain sur une période de travail de 8 heures, même lorsque les employés font des pauses régulières. L'expertise humaine n'a pas l'objectivité d'un système automatisé. Enfin, un argument supplémentaire pour utiliser la vision artificielle réside dans le fait que les produits dérivés du processus de fabrication, à savoir la fumée et la sciure, posent des problèmes de santé pour les employés travaillant dans l'environnement proche.

Ventek Inc. à Eugene, dans l'Oregon, a répondu à ce besoin avec son système intitulé GS2000, qui examine automatiquement les feuilles de placage à l'issue de l'étape de séchage. Le GS2000 inspecte le placage 24 heures sur 24 et calcule sa catégorie avec un taux de précision de 95% ou plus pour déterminer s'il est approprié à la production de contreplaqué.

Le GS2000 acquiert et traite les images qui représentent une feuille de placage en 0,5 seconde ou moins. « A mesure de l'acquisition des images, elles sont stockées dans un groupe de mémoires tampon en ronde et les feuilles sont détectées et reconstruites en images tampon », déclare James Gibbons, ingénieur logiciel chez Ventek. Les algorithmes de la MIL traitent rapidement l'image complète de la feuille sous forme de particules brutes qui sont ensuite classées par type d'imperfection.

Le système GS2000 de Ventek s'appuie fortement sur son classificateur en réseau neuronal. Les réseaux neuronaux tentent de modéliser certaines caractéristiques des systèmes neuronaux biologiques par l'intermédiaire de constructions mathématiques. Comme son nom l'indique, le classificateur en réseau neuronal est le cerveau du système. Afin que le GS2000 identifie efficacement les imperfections, le classificateur en réseau neuronal doit être formé avec les images de ces défauts. Les défauts peuvent être des nœuds, des trous, des craquelures, des fissures, des taches, des vides (des zones cassées, une bordure coupée par exemple) et des faiblesses (des zones de bois très fines). Chaque type d'imperfection compte plusieurs paramètres concernant la taille, la forme, le nombre maximal admis par feuille et même le type de bois : épicéa, pin, tsuga ou épicéa rouge.

La souplesse du module d'analyse de particule de la MIL s'est avérée indispensable pendant le développement du classificateur en réseau neuronal. « Les fonctions d'analyse de particule offrent de nombreuses mesures d'entrée qui sont faciles à calculer et aisément accessibles au sein de notre programme. Les mesures inutiles sont facilement éliminées et ne rallongent pas le délai de traitement. La possibilité d'accéder à l'emplacement de la particule (du défaut) nous permet de réaliser nos propres mesures spécialisées s'il y a lieu », explique M. Gibbons. Aussi puissants soient-ils, les réseaux neuronaux ne fonctionnent que sur la base de données solides ; s'ils sont formés sur des données incohérentes, il produisent des résultats de même nature « les réseau neuronaux suivent parfaitement le vieil adage informatique : entrées nulles, résultats nuls. Nous appliquons des essais statistiques pour sélectionner les meilleures caractéristiques d'entrée des particules et nous éliminons les données incohérentes des ensembles de formation. Utilisés correctement, les réseaux neuronaux peuvent produire des résultats très fiables », ajoute M. Gibbons.

Lorsque le traitement d'image localise un défaut dans une feuille, les caractéristiques de particule sont mesurées, classées selon leur type et comparées à une liste de règles de décision de catégorie. « Nos règles de catégorie sont très souples », remarque M. Gibbons. « Elles sont saisies dans une base de données organisée en listes qui permet aux clients de spécifier uniquement la quantité de règles nécessaires pour définir les catégories. » Une catégorie valide est attribuée aux feuilles, ou bien elles sont rejetées lors du contrôle par rapport à la liste des règles de catégorie. Alors que dans certaines industries un produit est éliminé s'il ne passe pas le contrôle de qualité, les feuilles de placage de qualité inférieure sont quand même utilisées comme couche centrale du contreplaqué. Une fois les feuilles collées ensemble, elles sont équarries et poursuivent leur traitement en contreplaqué fini.

Contactez nos services Communication.