Joburile din industria lemnului imbunatatite prin procese de inteligenta artificiala
Sistemele vizuale automate de inspectie pentru detectarea defectelor folosesc sisteme neurale propuse de Pham si Alcocn si de Drake. Panelurile de lemn sunt miscate cu ajutorul unei benzi in mod automat in zona de fotografiere. Pentru ca totul sa decurga corespunzator s-a utilizat o lumina uniforma cu ajutorul unei lampi fluorescente de 58W si cu o lumina cu halogen. Imaginile sunt prelucrate de catre o serie de functii si le sunt aplicate filtre. Algoritmii pentru segmentare sunt folositi pentru a detecta diverse nereguli din furnir sau din placaj si de a gasi zonele cu potentiale defecte.
Pentru cazul particular studiat in articole au fost 232 de exemple de placi de furnir, atat defecte cat si bune. Fiecare exemplu este un vector care contine 17 atribute. Clasificarea a fost facuta initial de un inspector uman. In ceea ce priveste rezultatul furnizat de reteaua neurala 80% din exemple au fost selectate in mod aleator iar celelalte 20% au format setul de test.
Retelele neurale cunoscute si sub denumirea de retele neuronale artificiale sunt modele computationale inspirate din creierul uman.
Arhitectura pe straturi a unei retele neurale cuprinde straturi in care fiecare este facut prin procesarea elementelor numite neuroni. Fiecare neuron are un numar de intrari si trebuie sa stocheze o valoare de conexiune care sa indice puterea conexiunii. Initial aceste conexiuni au valoare aleatorie. Neuronul insumeaza valorile de intrare si ofera o singura iesire folosind o functie de activare. Optimizarea folosind algoritmul albinelor implica albinele care vor cauta valorile optimale ce sunt atribuite valorilor de greutate ale conectorilor dintre neuroni intr-o retea in care fiecare albina reprezinta o retea neurala particulara cu propriul set de conexiuni neuronale si cu propriul set de valori de greutate. Scopul algoritmului albinelor este de a gasi albina care produce cea mai mica valoare care reprezinta eroarea functiei.
Rezultatul testului arata ca algoritmul albinelor este capabil sa asigure o foarte buna acuratete ceea ce sugereaza ca pentru acest caz particular de retea neurala cu o structura particulara si pentru datele oferite acuratetea obtinuta de 86% este cea mai mare ce se poate obtine. Rezultatele arata de asemenea ca reteaua neurala care se bazeaza pe clasificari are o foarte buna capabilitate de generalizare prin comparatie cu metoda distantei minime care a putut sa ofere rezultate cu o acuratete de doar 63,12%.
