MiCROTEC IA
L'intelligence artificielle offre de vrais avantages
La clé d'une utilisation réussie du deep learning AI est une large quantité de données fiables, les bons outils, et une équipe de personnes compétentes qui savent ce qu'il faut faire.
Un pas d'avance
Le Deep Learning AI fait partie de tous les produits MiCROTEC, pour le bois rond, le bois de sciage ou le bois raboté.
MiCROTEC Ai reconnaît même les motifs qui sont esthétiquement souhaités, ce qui garantit des surfaces attirantes. Jusqu'à présent, aucun scanner n'était capable de faire cela.
"Nous avons rassemblé les connaissances en IA de toutes les branches de MiCROTEC et les technologies existantes afin de porter les possibilités du Deep Learning AI dans l'industrie du bois à un niveau supérieur."
Patrick Freeman - Chief Technology Officer
Vision artificielle basée sur des procédés heuristiques
⤫ Plus de 30 ans d'expérience dans le domaine de la vision industrielle
⤫ Large bibliothèque d'algorithmes de vision industrielle classiques permettant des opérations de détection complexes
⤫ Vitesse d'exécution rapide des algorithmes pour permettre leur exécution sur des ordinateurs standard
Vision artificielle basée sur le Deep Learning
⤫ Chaque nœud est un détecteur de caractéristiques
⤫ De nouveaux algorithmes permettent un apprentissage efficace des structures à plusieurs couches
⤫ Apprentissage par l'exemple : approche guidée par les données pour les problèmes difficiles
MiCROTEC "Ai-Inside"
Pour les grumes, MiCROTEC Ai aide les scanners non seulement à évaluer les défauts du bois comme les branches mortes, les poches de résine ou les bois comprimés, mais il détermine aussi le volume exact en hiver : lorsque la neige est gelée sur les grumes, le volume est souvent surestimé. Avec MiCROTEC Ai, le scanner peut distinguer la neige du bois et mesurer les troncs avec plus de précision.
Une large base de données
Pour la création et le développement de sa plateforme d'IA, MiCROTEC utilise tous les différents capteurs de ses scanners. Cela nous permet de collecter les données nécessaires pour que notre IA puisse apprendre de la meilleure façon possible. Ensuite, nous avons besoin des bons outils pour traiter les données et d'autant d'échantillons que possible pour que l'IA continue de s'améliorer. Notre grande base de données contient généralement des données sur des types de bois similaires qui ont souvent des caractéristiques comparables.