MiCROTEC Ai
L'intelligenza artificiale offre vantaggi reali
La chiave del successo dell'AI per il deep learning è una grande quantità di dati corretti, gli strumenti giusti e un team di persone esperti in materia.
Un passo avanti
L'intelligenza artificiale è parte integrante di tutti i prodotti MiCROTEC, siano essi progettati per tronchi, tavole o legname piallato.
MiCROTEC Ai riconosce anche i profili esteticamente desiderati, garantendo superfici gradevoli. Finora nessuno scanner è stato in grado di farlo.
"Abbiamo riunito le conoscenze in materia di AI di tutti i settori MiCROTEC e le tecnologie esistenti, per portare le possibilità di deep learning AI nell'industria del legno a un nuovo livello."
Patrick Freeman - Chief Technology Officer
Visione artificiale basata su processi euristici
⤫ Oltre 30 anni di esperienza nella visione artificiale
⤫ L'ampia raccolta di algoritmi classici di visione artificiale consente di eseguire operazioni di rilevamento complesse
⤫ Alta velocità di esecuzione degli algoritmi per consentire l'esecuzione su computer standard
Visione artificiale basata sul Deep Learning
⤫ Ogni nodo è un rilevatore di caratteristiche
⤫ Nuovi algoritmi ci permettono di formare in modo efficiente reti a più strati
⤫ Apprendere con l'esempio: un metodo guidato dai dati per superare problemi difficili
MiCROTEC "Ai-Inside"
Per quanto riguarda il legno dei tronchi, MiCROTEC Ai non solo supporta lo scanner nella valutazione dei difetti del legno, come i nodi morti, sacche di resina o legno compresso, ma determina anche il volume esatto in inverno. In presenza di neve ghiacciata sui tronchi, il volume è spesso sovrastimato. Utilizzando MiCROTEC Ai, lo scanner può distinguere la neve dal legno e misurare i tronchi con maggiore precisione.
Un grande database
Per la creazione e l'ulteriore sviluppo della sua piattaforma AI, MiCROTEC utilizza tutti i diversi sensori dei suoi scanner. Questo ci permette di raccogliere i dati necessari affinché la nostra tecnologia artificiale possa imparare nel miglior modo possibile. Poi, abbiamo bisogno degli strumenti giusti per elaborare i dati e del maggior numero possibile di campioni, in modo che l'AI continui a migliorare. Il nostro ampio database contiene solitamente dati su tipi di legno simili, che spesso presentano proprietà e caratteristiche comparabili.