Desenvolvimento e avaliação de um protótipo classificador de tábuas usando técnicas de visão artificial

Abstract

Muito esforço tem sido despendido por pesquisadores no sentido de se aplicar automação aos processos produtivos. A indústria de produção de madeira tem um lugar de destaque nesta atividade, porque a madeira é matéria prima de produtos com demanda crescente, como na produção de móveis, que exige peças com alta qualidade. A classe de qualidade de uma peça de madeira serrada é determinada pelos defeitos que ela possui e por algumas características associadas a esses defeitos como: tamanho, posição, quantidade e tipo. O objetivo deste trabalho foi desenvolver e avaliar um protótipo para classificação de tábuas de madeira de eucalipto com base em imagens digitais. Foi desenvolvido e testado um classificador para reconhecimento de defeitos em tábuas de eucalipto levando-se em consideração as características de percentis dos valores de pixel do histograma, além de informações morfológicas e de posição dos defeitos. Foi implementado no algoritmo de classificação as etapas de processamento e análise de imagens para classificação de tábuas. O passo seguinte foi a construção e teste de um protótipo de classificação de madeira serrada que utiliza um sistema de visão artificial. Ele é composto de uma esteira rolante por onde são inseridas as tábuas para serem conduzidas para sob a câmera de leitura de suas faces e obtenção das imagens. O protótipo pode utilizar tanto a norma da Associação Brasileira de Normas Técnicas (ABNT) quanto a norma comercial das serrarias para a classificação. O processo pode ser acompanhado na tela do microcomputador que apresenta em seguida a imagem da tábua com o resultado final da classificação da mesma. As normas sofreram simplificações para viabilizar sua aplicação. A taxa de acerto no processo de classificação foi de 64 e 81% usando, respectivamente, as normas da ABNT e comercial. A produtividade do protótipo desenvolvido foi de 7,9 m3 h-1 na classificação de madeira serrada de eucalipto.

Much effort has been expended by researchers to apply automation to productive processes. The sawn wood industry has a promising place in this activity, because lumber is a raw material for products with increasing demand, such as furniture, which requires high quality pieces. The quality of the lumber is determined by the defects it presents and some characteristics correlated to these defects such as: size, position, amount and type. The goal of the present research was to develop and evaluate a prototype to classify eucalyptus lumber using digital images. A classifier was developed and tested to recognize defects in eucalyptus lumbers taking in consideration the histogram values of the percentiles of pixels, morphologic information and position of the defects. Image processing and analysis for lumber classification was implemented in the classification algorithm. The following step was the construction and testing of a prototype for the classification of lumber using a machine vision system. It is built in a conveyor belt where the lumbers are inserted and conducted for image acquisition. The prototype can use both, the Brazilian standard (ABNT) and a commercial rule for lumber classification. The process can be followed in the microcomputer screen that shows the lumber images with its final grade. The rules were simplified to make possible its application. The overall accuracy in the classification process was 64 and 81% percent using the ABNT and commercial rules, respectively. The productivity of the developed prototype was 7.9 m3 h-1 in eucalyptus lumber grading.