Improving Knot Prediction in Wood Logs with Longitudinal Feature Propagation

要約

木材産業における丸太の品質は、木の枝の成長の結果である内部の節を含む、外部と内部の両方の欠陥の存在に大きく依存します。
現在、内側の結び目を見つけるには、X 線スキャナーなどの高価な機器を使用する必要があります。
この論文では、丸太の外形から内部欠陥の位置を予測するタスクに取り組みます。
データセットは、X 線測定により輪郭と結び目の両方を抽出することによって構築されます。
私たちは、畳み込みリカレント ニューラル ネットワークを活用して、このバイナリ セグメンテーション タスクを解決することを提案します。
ニューラルネットワークが学習されると、レーザープロファイラーなどの安価な機器で測定された外形から推論を実行できます。
私たちはモミとトウヒの樹種に対するアプローチの有効性を実証し、再発に対してアブレーションを実行してその重要性を実証します。

要約(オリジナル)

The quality of a wood log in the wood industry depends heavily on the presence of both outer and inner defects, including inner knots that are a result of the growth of tree branches. Today, locating the inner knots require the use of expensive equipment such as X-ray scanners. In this paper, we address the task of predicting the location of inner defects from the outer shape of the logs. The dataset is built by extracting both the contours and the knots with X-ray measurements. We propose to solve this binary segmentation task by leveraging convolutional recurrent neural networks. Once the neural network is trained, inference can be performed from the outer shape measured with cheap devices such as laser profilers. We demonstrate the effectiveness of our approach on fir and spruce tree species and perform ablation on the recurrence to demonstrate its importance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google