Diseño, implementación y evaluación de modelos matemáticos para estimar diámetros y número de troncos en bancos de madera sobre camión, mediante imágenes

Abstract

Con el crecimiento del sector forestal y el aumento en la producción de madera aserrada, los procesos de control de calidad deben ser más rigurosos y eficientes. El control de calidad permite clasificar la madera según sus usos, generando un alto impacto en los precios de comercialización. Adicionalmente, permite generar registros de las cargas. Parte de los parámetros que requieren ser registrados en una carga de madera sobre camión, que ingresan a las plantas de aserraderos, son, el número de troncos en la carga, y sus diámetros. Considerando los avances de los últimos años, en procesamiento de imágenes y visión artificial, y el aumento considerable en la capacidad de desarrollo de los procesadores, se propone usar modelos matemáticos para estimar diámetro y número de troncos en bancos de madera sobre camión, usando como fuente, imágenes de carga. La propuesta de desarrollo considera dos etapas. En la primera, se exploran modelos de detección de caras de troncos. Luego, en la segunda, se identifica el mejor modelo para el ajuste fino del contorno y así determinar el diámetro del tronco. Para la primera etapa, utilizando Redes Neuronales Convolucionales se obtiene una tasa de detección del 97% sobre el conjunto de validación. Los tiempos de ejecución del algoritmo son cercanos a medio segundos. En la segunda etapa, se comparan los resultados de diámetro obtenidos con una marca manual sobre la imagen. El mejor resultado se obtiene combinando Contornos Activos con preprocesamiento de imágenes con promedio del error de 3.2 y desviación estándar de 4.65 píxeles (9%) de diferencia con la marca manual sobre un universo de 405 caras. Esta segunda etapa toma, el promedio, un minuto por cada carga. Con el trabajo realizado, se observa que a pesar del bajo contraste de algunas de las caras de troncos dentro de la imagen, la exactitud en la detección de caras es de 97% y la desviación en el cálculo de diámetro es de 4.65 píxeles. Además de las métricas de cálculo, es importante mencionar que, los tiempos de detección de caras son consistentes con un desarrollo en línea. Con el trabajo realizado se verifica la propuesta de utilizar redes neuronales y procesamiento de imágenes para conteo de troncos y estimación de diámetro. Con la implementación de este tipo de propuestas en las plantas de aserradero se podría mantener un control de cantidad de troncos y diámetros de cada una de las cargas que ingresan utilizando como entrada una imagen sobre la cara de la madera. Se identifican lineamientos para continuar mejorando la solución propuesta, dentro de los que destaca la extensión de la base de datos para generar una red capaz de ser utilizada en todas las plantas de aserradero. Finalmente, el algoritmo desarrollado queda disponible para ser integrado con cámaras tridimensionales y además, ser integrado con un motor de manejo de software que permita obtener resultados en línea con el ingreso de un camión.