FI103436B - Menetelmä liikkuvan kappaleen, kuten tukin ominaisuuksien selvittämise ksi - Google Patents

Description

103436

MENETELMÄ LIIKKUVAN KAPPALEEN, KUTEN TUKIN OMINAISUUKSIEN SELVITTÄMISEKSI

Keksintö kohdistuu patenttivaatimuksen 1 johdanto-osassa mää-5 riteltyyn menetelmään liikkuvan kappaleen, kuten tukin ominaisuuksien selvittämiseksi.

Aikaisemmin on tunnettu menetelmiä, joissa tukkeja tarkastellaan visuaalisesti tai optisesti laatulajittelua varten. Vi-10 suaaliseen tarkastukseen perustuvassa menetelmässä lajittelun suorittava henkilö lajittelee tukit kasoihin näköhavaintonsa perusteella. Tällöin ei kuitenkaan saada selville tukin sisäisiä virheitä. Optisessa dimensioiden mittaamisessa mittaus tapahtuu kuoren päältä, jolloin kuoren paksuuden vaihtelut 15 voivat aiheuttaa tukin dimensioissa ja tilavuuden määrittämisessä huomattavia virheitä. Nämä tukkien tarkastelumenetelmät ovat keskittyneet lähinnä vain tukkien paksuuden mittaukseen, joka mittaustieto on välitetty lajittelijalle, joka saamansa tiedon perusteella ohjaa tukit manuaalisesti oikeisiin kasoi-20 hin. Muita tietoja tukeista ei yleensä näillä menetelmillä saada. Tutkimusten perusteella epäkohtana on myös se, että ihmisen tekemän lajittelun tuloksena vain noin puolet tukeista on lajiteltu kohtuullisen oikein parasta mahdollista lopputulosta ajatellen.

25

Lisäksi epäkohtana em. menetelmissä on se, että vaikka käytettäisiin metallinpaljastuslaitteita, kaikkia tukissa olevia ’ vieraita esineitä, kuten kiviä ja muita kuin rautametalleja ·...· ei voida tunnistaa, jolloin nämä esineet jäävät tukin sisään 30 ja voivat aiheuttaa vaurioita tukin jatkokäsittelyssä käytet-: täviin laitteisiin.

Suomalainen patenttihakemus nro FI893938 (vastaa US-patenttia nro US5023805) esittää sinänsä jo aikaisemmin tunnetun mene-35 telmän, joka perustuu kolmen projektion röntgenkuvaukseen. Siinä haetaan tukin pituussuuntaisella rekonstruktiolla ensin . kustakin projektiokuvasta oksien päätepisteet, ja lasketaan ·'/·. sitten oksavektorit, jotka sopivat näihin pisteisiin. Mene- : : telmän heikkous on siinä, että päätepisteitä ei pystytä mää- 2 103436 rittämään tarpeeksi tarkasti ja yksikäsitteisesti todellisista tukeista. Syynä ovat mm. päällekkäiset oksat ja tuoreen puun kosteus, joka häivyttää osat oksasta.

5 Tämän keksinnön tarkoituksena on poistaa edellä mainittujen menetelmien epäkohdat sekä aikaansaada luotettava ja tehokas menetelmä tukin laatuominaisuuksien selvittämiseksi. Keksinnön mukaiselle menetelmälle on tunnusomaista se, mitä on esitetty patenttivaatimuksen 1 tunnusmerkkiosassa. Keksinnön 10 muille sovellutusmuodoille on tunnusomaista se, mitä on esitetty muissa patenttivaatimuksissa.

Keksinnön mukaisen menetelmän sekä menetelmän mukaisen mittaus- ja tiedonkäsittelylaitteiston toiminta perustuu puulaa-15 duittain määriteltyyn puutietämykseen ja röntgenoptiseen puu-tietämyksen soveltamiseen. Menetelmä sisältää röntgenoptisen, puutietoon perustuvan adaptiivisen asiantuntijajärjestelmän. Menetelmää voidaan soveltaa myös muihin bulkkitavarana liikkuviin esineisiin tai aineisiin.

20

Keksinnön mukaisen menetelmän etuna on, että sen avulla voidaan edullisesti, harvoja projektioita käyttäen mitata ja tunnistaa kuljetinradalla prosessinopeudella liikkuvien bulk-kitavaroiden sisäiset virheet. Tällöin mahdollistetaan mm. 25 luotettava laatuominaisuuksien määrittely sahausnopeudella liikkuvasta tukista. Tukin dimensioiden mittaus voi tapahtua myös kuoren alta, joten todelliset puuaineen dimensiot saa-' daan mitattua tarkasti. Keksinnön mukaisessa menetelmässä ei ·...· tukeuduta edellä mainitun patenttijulkaisun mukaisesti kuvis-30 sa oleviin oksan rajaviivoihin tukin pituussuuntaisen rekon-struktion avulla, vaan sumean logiikan periaatteilla etsitään, pituusakselia vastaan kohtisuoraan muodostetun, kerros-viipaleita hyväksikäyttävän rekonstruktion avulla, kolmiulotteisia objekteja, joihin oksamassa keskittyy.

.·. 35 .1! Menetelmällä voidaan määritellä tukista ulkoisia ja sisäisiä . ominaisuuksia. Ulkoisia ominaisuuksia ovat mm. tukin pituus, : halkaisija, kartiokkuus ja soikeus sekä mutkat, monivääryys, : lenkous ja tilavuus. Keksinnön eräänä etuna on, että halkai- 3 103436 sija-, kartiokkuus- ja tilavuusmitat voidaan määrittää kuo-rellisesta tukista kuorettomana. Näin saadaan hyötypuun mitat tarkasti.

5 Tukin sisäistä virheistä mainittakoon pihkataskut, lahot, onkalot ja halkeamat sekä myös vieraat esineet, kuten kivet ja rauta- sekä muut metallit. Menetelmä antaa perusteellista ja luotettavaa tietoa oksista ja oksaryhmistä sekä niiden laadusta tukin sisällä. Menetelmällä saadaan selville myös puu-10 aineen tiheys- sekä kosteusvaihtelut. Menetelmän mukaisen laatulajittelun tuloksena saadaan esiin terveet oksat, kuiva-ja lahoalueet sekä niiden muutosvyöhykkeet.

Mittauksen ja laskennan kannalta on tärkeää suhteellisen 15 edullisin kustannuksin saavutettu tukin nopea analysointi. Röntgensäteilyn voimakkuutta ja laskentatehoa voidaan kyllä lisätä analysointivaiheen nopeuttamiseksi, mutta tästä aiheutuu helposti liian paljon lisäkustannuksia. Keksinnön mukaisilla ratkaisuilla röntgensäteilyn voimakkuus ja käytettävä 20 laskentateho on optimoitu ja näin saavutetaan edullisesti riittävä nopeus ja tarkkuus. Yhtenä syynä tähän on se, että käsiteltävän mittaustiedon määrää voidaan vähentää merkittävästi tunnettuihin ratkaisuihin nähden. Keksinnön 25 Seuraavassa keksintöä selostetaan yksityiskohtaisemmin erään sovellutusesimerkin avulla viittaamalla oheisiin piirustuksiin, joissa * · kuvio 1 esittää sylinterikoordinaatistoa, jolla tukissa : :*· 30 olevaa oksaa on helppo kuvata, kuvio 2 esittää miten tukki jaetaan sylinterikoordinaatis-tossa tilavuusalkioihin, , 35 kuvio 3 esittää tukin läpivalaisutapahtuman geometrian, kuvio 4 esittää esimerkin projektiokuvan rivisummista, : ·. joista voi lukea oksaryhmien paikat, 4 103436 kuvio 5 esittää yhdessä projektiokuvassa runkopuun osuuden poissuodatuksen periaatteen, kuvio 6 esittää esimerkin tilavuusalkioiden evidenssi-5 kuvaajasta sektoreittaan, kuvio 7 esittää yksinkertaistettuna röntgensäteen kulkua tukin läpi, joka on jaettu sektoreihin ja renkaisiin ja 10 kuvio 8 esittää taulukkoa kuviossa 7 esitetyssä tapauksessa saaduista mittaustuloksista.

Menetelmässä käytetään hyväksi kerros- eli tomografiakuvaus-15 ta. Lääketieteellisessä tomografiassa on ratkaistu samantyyppinen ongelma, jossa kohdetta kuvataan monelta suunnalta, ja projektioista lasketaan kohteen sisäinen rakenne. Projektioita on kuitenkin 500 - 1000. Sahatukista ei ole mahdollista ottaa yhtä monta kuvaa reaaliajassa, vaan käytännössä on tyy-20 dyttävä vain muutamaan, esimerkiksi kolmeen projektioon. Keksinnön mukaisessa menetelmässä sahausnopeudella liikkuvaa tukkia 5 kuvataan harvoilla, esimerkiksi kolmella, ainetta läpäisevää säteilyä lähettävällä läpivalaisulaitteella, kuten röntgenillä ja kuvatieto tallennetaan röntgensäteilyä mittaa-25 villa rividetektoreilla 8, joita on yksi tai useampia kutakin röntgensäteilylähdettä 4 kohti. Käytännössä on huomattu, että ’ jo kolmella projektiolla saadaan tukista tarpeeksi tietoa tu- ·.· T kin laatuominaisuuksien mittaamiseen hyvällä tarkkuudella.

::: 30 Tukkia ei pyritä rekonstruoimaan kuvista pikseli pikseliltä, kuten aiemmin on tehty, vaan hyväksikäytetään tietämystä rungon, oksien ja niihin liittyvien poikkeamien tyypillisestä geometriasta, tiheydestä ja muista ominaisuuksista sekä niiden välisistä riippuvuuksista. Kuvista haetaan tyypillisesti 35 oksan tai muiden poikkeamien muotoisia objekteja tai niiden !" osia. Näitä käsitellään sylinterikoordinaatistossa, joka on ·. . jaettu diskreetteihin tilavuusalkioihin.

5 103436

Tukin tai vastaavan kappaleen ominaisuuksien selvittäminen keksinnön mukaisella menetelmällä voidaan jakaa kolmeen pääosaan, joiden yksityiskohtia selostetaan myöhemmin tarkemmin.

5 Ensimmäinen osa: Mittaustiedon esikäsittely tehdään kunkin yksittäisen läpivalaisusuunnan läpivalaisusta saadun pikseli-kohtaisen intensiteettitiedon avulla puutietämykseen perustuen. Tarkastelu perustuu puun sisäisten objektien suhteellisiin vaimennuseroihin. Kustakin puulaadusta voidaan määriteliö lä normaalipuun ja puun sisäisten objektien rajapintojen/-arvojen röntgenoptiset suhteelliset erot, eli vaimennuserot. Näitä suhteellisia eroja verrataan sekä poikittaistasossa että puun kasvusuunnassa. Erot ovat suhteellisia puusta toiseen ja samassa puussa sen kosteudesta riippuen. Näitä poikkeavia 15 mielenkiintoalueita tutkitaan edelleen tarkempia laskennallisia menetelmiä käyttäen. Normaalipuun mittaustietoa ei tällöin tarvitse jatkokäsitellä, jolloin prosessorien teho riittää reaaliaikaiseen, prosessinopeudella etenevien tukkien laatulajitteluun. Yksinkertaisia loogisia päättelysääntöjä 20 käyttäen poikkeamat tunnistetaan positiivisina tai negatiivisina poikkeamina ja poikkeaman rajapinta määritetään.

Toinen osa: Puussa havaitut objektit tunnistetaan ja niiden paikka varmennetaan muita mittaussuuntia käyttäen. Objektien 25 tunnistus (oksa, laho, kivi, jne,) perustuu puukohtaiseen tietämykseen mm. sijainnin, koon ja suhteellisen röntgenvai-mennuksen perusteella.

• · · • · • · ·

Kolmas osa: Puussa oleville objekteille on kehitetty puutyy-: 30 pin puutietämyksen ja röntgenoptisen ilmenemisen pohjalta se- :V miempiirinen, yksinkertainen matemaattinen malli tai esitys tapa, joka sovitetaan mielenkiintoalueella havaittuun ja tunnistettuun objektiin, jonka koko ja laatu saadaan määrättyä.

35 Kuviossa 1 on esitetty sylinterikoordinaatisto, joka koostuu ;;; kiertokulmasta a , säteestä r ja pituusakselista z. Viipale . tukin runkoa on sylinterin muotoinen, missä ydin kulkee pi-tuusakselia z pitkin. Oksat alkavat ytimestä ja kasvavat tu-kin pintaa kohti nousukulmalla β sekä avautumiskulmalla γ.

103436 6

Jokainen oksa on sektorilla, joka ei sisällä muita oksia, jolloin kutakin oksaa voidaan kuvata kartiomallilla. Oksassa voi olla sekä tervettä kohtaa 10 että lahoa 11. Tukista voidaan määritellä kuvion 2 mukaisesti renkaita 1, viipaleita 2 5 ja sektoreita 3, joiden kunkin yhteinen leikkaus muodostaa yhden tilavuusalkion, jonka paikka on määritelty em. sylinte-rikoordinaatistossa. Viipaleen 2 paksuus tukin pituussuunnassa edustaa rividetektorin 8 detektorielementtien 9 leveyttä tukin pituussuunnassa ja siis yhdellä valotuskerralla saata-10 vaa tukin pituussuuntaista osaa.

Kuviossa 3 esitetään läpivalaisulaitteessa käytetty geometria yksinkertaisuuden vuoksi yhden röntgensäteen avulla. Kun käsitellään yhden röntgenlähteen 4 lähettämiä säteitä ja niitä 15 vastaanottavia, rividetektorin 8 muodostavia detektoriele-menttejä 9 puhutaan selostuksessa yhdestä kuvausprojektiosta. Kun siis menetelmässä käytetään kaikkiaan kolmea röntgenläh-dettä ja näitä kutakin vastaavaa rividetektoria, voidaan sanoa, että kaiken kaikkiaan mittaus tapahtuu kolmessa kuvaus-20 projektiossa. Kaikki röntgenlähteet 4 ja niitä vastaavat ri-videtektorit 8 ovat 120° kulmassa keskenään ja siten sijoitettuna tukin kulkuradan ympärille, että tukki kulkee röntgen-lähteiden 4 ja niitä vastaavien rividetektorien 8 välistä, jolloin röntgenlähteiden lähettämät röntgensäteet kulkevat 25 tukin läpi ja vaimenevat tukin ominaisuuksista riippuen eri tavalla matkallaan rividetektoreille, joiden detektorielemen- '·" tit 9 vastaanottavat näin vaimenneen säteilyn. Kukin rivide- • % · :.· ' tektori 8 muodostuu tukin ympärille kaareutuvasta sarjasta : ] detektorielementtejä 9, jotka ovat kaikki keskenään yhtä kau- : ;* 30 kana niitä vastaavasta röntgenlähteestä 4 ja samassa tukin • « · ;V kulkuliikettä vastaan kohtisuorassa tasossa kyseisen röntgen lähteen kanssa. Kuvausprojektioita voi olla tarpeen mukaan enemmän tai vähemmän kuin kolme.

, 35 Tukki 5 on kuljetintasolla 7, jossa sitä läpivalaistaan rönt-

I I

genlähteellä 4, jolloin detektorielementti 9 vastaanottaa tu-'·’ kin 5 läpi tulevan säteilyn. Geometriaa kuvataan röntgenläh- teen 4 ja tukin 5 keskiakselin välisellä etäisyydellä dl, röntgenlähteen 4 ja kuljetintason 7 välisellä etäisyydellä d2 t * * • » · 7 103436 ja röntgenlähteen 4 ja rividetektorin 8 välisellä etäisyydellä d3. Etäisyys dl riippuu tukin säteestä R seuraavasti: dl=d2-R. Rividetektorin 8 detektorielementit 9 indeksoidaan jokainen erikseen. Detektorielementille 9 saadaan esimerkiksi 5 tietoa tukin sektorielementistä 6, mutta samalla myös tietoa koko säteen kulkemalta matkalta. Tietona on säteen vaimennus-tieto.

Oksien mallintamisessa käytetään hyödyksi tietämystä oksien 10 ja runkopuun tyypillisestä geometriasta ja tiheydestä. Seu-raavassa on muutamia sääntöjä: - Rungon poikkileikkaus on likimain elliptinen. Poikkileikkauksen koko voidaan arvioida kolmen kuvausprojektion läpi- 15 mittojen keskiarvona. Kuvausprojektioiden suurinta läpimittaa käytetään määrittelemään ympyrä, joka sisältää rekonstruoidun kuvan poikkileikkauksen.

- Kaikki oksat alkavat rungon ytimestä. Oksa on kartio, jota kuvataaan kiertokulmalla a, nousukulmalla β, avautumiskul- 20 maila γ ja radiaalisella pituudella r. Nousukulmalla β on tietyt, ennaltamääritellyt astearvot.

- Oksaryhmän kaikki oksat alkavat likipitäen samasta pisteestä. Naapurioksat eivät voi olla vieri vieressä, vaan oksien väliselle rotationaaliselle etäisyydelle on määritelty mi- 25 nimiarvo.

•- Rungon tiheys vaihtelee ytimestä ulospäin mentäessä. Pinta-’ puun, sydänpuun ja oksien tyypilliset tiheydet on määritel-

III

·,· ' ty kokeellisesti.

• · » * • · i : 30 Ennen laskentaa tukin keskipiste on saatava tarkasti lasken- iti takoordinaatiston keskelle. Tämä tapahtuu siirtämällä kuvaa niin, että tukin keskikohta saadaan koordinaatiston keskipisteeseen. Tukin keskikohta taas saadaan määrittämällä ensin tukin reunat projektiokuvasta kynnystämällä ja laskemalla . 35 sitten saatuja reunatietoja hyväksikäyttäen tukin halkaisija.

« I * ♦ ' I · ' i Tukin läpi kulkenut röntgensäde vaimenee enemmän kulkiessaan oksan läpi kuin kulkiessaan muun, pehmeämmän puuaineksen lä- : pi. Tutkittaessa detektorielementteihin 9 saapuneita säteitä • · I · 8 103436 saadaan viitteitä, jotka tässä vaiheessa vielä ovat yksittäisenä tietona epävarmaa tietoa, siitä, että joidenkin pikseli-ryhmien eli detektorielementtiryhmien näytteissä saattaisi olla oksamassaa. Yhdistämällä kaikkien kuvausprojektioiden 5 kuvat ja viittaukset oksamassaan saadaan tilavuusalkiolle tietty totuusarvo. Yhdistelemällä vierekkäisten tilavuusalki-oiden totuusarvoja saadaan totuusarvo sille, että sektori kuuluu oksaan. Totuusarvot saavat arvoja väliltä -1...+1. Arvot -1, 0 ja +1 voidaan määritellä sanallisesti "ehdottomasti 10 ei", "määrittelemätön" ja "ehdottomasti kyllä".

Tukin käsittelyssä säästetään laskenta-aikaa keskittymällä vain niihin tukin osiin, joissa on oksia tai muita poikkeamia. Rividetektorin 8 vastaanottamista säteistä lasketaan ri-15 visummat, joista voidaan päätellä missä on oksakohta: koska oksakohtien vaimennus on suurempi kuin tavallisen puun, on kuvarivillä, jossa on oksamassaa suurempi rivisumma kuin naa-puririvillä, jossa ei ole oksamassaa. Keksinnön mukaisesti etsitään rivisumman kasvukohtia, joissa on mahdollisesti ok-20 siä. Kuviossa 4 on esitetty esimerkki rivisummien vaihteluista tukin pituussuunnassa. Kuvaajasta (a) erottuu selvästi ok-saryhmän paikat ja lisäksi tukin paksuus.

Kuvaajassa (b) on suodatettu pois tukin paksuusvaihtelu. Ok-25 saryhmän alku- ja loppukoordinaateille suoritetaan mediaani-suodatus, jolloin saadaan kuvaaja (c). Kun oksaryhmien paikat on saatu selvitettyä suodatetaan projektiokuvista pois runko-puun osuus, jolloin jäljelle jää oksista ja muista poikkea-*···" mistä aiheutuneet muutokset. Kuviossa 5 on esitetty tukista ’···' 30 pituussuuntainen leikkaus, jossa ei ole runkopuun suodatusta ·." ’ tehty (a) ja toinen kuvaaja samasta leikkauksesta, josta on runkopuun osuus suodatettu pois (b). Kuvaaja esittää yhden detektorielementin näkemää pituussuuntaista juovaa tukista. Kysymyksessä on siis kaksiulotteisesta kuvasta poimittu pys-. 35 tyjuova, joita tukkikuvissa on riittävä määrä rinnakkain.

_· Mahdollisia suodatusmetodeja ovat esimerkiksi keskiarvo- tai mediaanisuodatus. Suodatuksessa tarkastellaan pistejonoa ’·...· p(i), jossa on N kappaletta mittauspisteitä, eli indeksi i 9 103436 saa arvot 1...N. Suodattamalla tasoitetaan paikallisia vaihteluita, jolloin saadaan näkyviin paremmin jokin suurempi kokonaisuus. Keksinnön mukaisessa tapauksessa suodatuksella siis poistetaan kuvasta runkopuun osuus, jolloin jäljelle jää 5 oksien ja muiden poikkeamien antama kuva.

Keskiarvosuodatuksessa jokaiselle pisteelle lasketaan uusi arvo q(i) seuraavasti: 10 i+m q (i) =Σ P (j ) / (2m+l) jai-m

Kun suodatettua arvoa lasketaan pisteelle i, otetaan keskiar-15 voistukseen mukaan m pistettä kyseisen pisteen kummaltakin puolelta. Luku m valitaan niin, että suodatettavat vaihtelut ovat pituudeltaan lyhyempiä kuin m pistettä.

Vastaavasti mediaanisuodatuksessa otetaan samaan tapaan pis-20 teet p(i-m)...p(i+m), kun lasketaan suodatettua arvoa kohdissa i. Pisteiden lukuarvot asetetaan suuruusjärjestykseen ja valitaan niistä keskimmäinen, jota sanotaan tämän lukujonon mediaaniksi. Mediaanisuodatus on laskennallisesti raskaampi kuin keskiarvoistus, mutta se ei ole herkkä yksittäis-25 ten suurten poikkeamien vaikutukselle.

Kun runkopuun osuus on suodatettu pois projektiokuvista, käsitellään kukin oksaryhmä erikseen seuraavasti: 30 a) Kolme suodatettua projektiokuvaa takaisinprojisoidaan 3-D-koordinaatistoon käyttäen hyväksi valmiiksi laskettuja : : ·' takaisinproj isointikertoimia. Kertoimet ottavat huomioon oksien ja rungon tunnetut geometriset ominaisuudet. Tämä prosessi jakaa oksien massan tilavuusalkioihin.

35 b) Kunkin tilavuusalkion arvo viittaa alkiossa olevan puuaineen tiheyteen. Käyttäen kokeellisia parametreja, voidaan tiheysarvot muuttaa evidenssiarvoiksi, jolloin saadaan todennäköisyys sille onko tilavuusalkio osa oksaa. ·.’·· c) Yhdistämällä yksittäisten tilavuusalkioiden evidenssit 40 saadaan totuusarvot, jotka ilmoittavat mahdolliset oksa- 10 103436 sektorit. Kuviossa 6 on piirretty esimerkkikuvaaja tukin sektoreiden totuusarvoista. Kuvaajasta havaitaan mahdolliset oksat sektoreissa 5, 12, 19 ja 32. d) Kohdassa a) esitetty takaisinprojisointi suoritetaan 5 vielä uudestaan, mutta nyt vain valituille kiertokulmil- le. Näin saadaan oksista profiilikuvat. Likimääräiset nousu- ja avautumiskulmat lasketaan nyt näistä kuvista.

Takaisinprojisointi kertoimineen selostetaan seuraavassa ku-10 vioiden 7 ja 8 avulla. Keksinnön mukaisen menetelmän perusajatus lähtee siitä, että oksa alkaa puun ytimestä ja kasvaa tasaisesti laajeten kohti puun pintaa. Tällöin laskennassa on edullista käyttää sylinterikoordinaatistoa, koska oksan muoto muistuttaa sektoria. Kuviossa 7 on asian yksinkertaistamisek-15 si vain 12 sektoria, kun taas todellisuudessa järjestelmä käyttää useampaa sektoria. Kun oksa on keskimäärin 20° leveä, se voi sijaita kahden tai kolmen sektorin alueella. Laskennassa käsitellään aluksi jokaista kuvausprojektiota erikseen. Mittaustuloksista poistetaan edellä kerrottuun tapaan puun 20 rungon vaikutus, jolloin jäljelle jäävät oksista koostuvat arvot. Muita poikkeamia ei tässä esityksessä nyt oteta huomioon .

Kuviossa 7 sektorit on numeroitu 1...12 ja renkaat 1...4. Ku-25 vioon on piirretty yksi röntgenlähteestä 4 lähtevä säde, joka osuu yhteen rividetektorin detektorielementtiin 9. Kuvion 8 mukaisessa taulukossa vastaava detektorielementti on määri-•*# tetty pikseliksi h. Oletetaan, että säde on vaimentunut kul- ’···' kureitillään tukin läpi määrän, joka vastaa kymmentä yksikköä 30 oksaa eli p(h)=10. Oksayksikön aiheuttama vaimennus on mää-·.· · rätty etukäteen kokeellisesti, kuten aikaisemmin on kerrottu.

Edellä esitetystä yhdestä mittauksesta ei voida kuitenkaan tietää, missä oksa on tai onko kysymyksessä yksi tai useampi oksa. Mittausgeometriasta seuraa kuitenkin, että vain tietyt . 35 alkiot poikkileikkauspinnasta tulevat kysymykseen. Kuviosta 7 nähdään, että säde kulkee alkioiden (1,2), (2,2), (2,3) -· (3,3), (3,4), (11,3), (11,4), (12,2) ja (12,3) kautta. Alki- oiden koordinaateissa on mainittu ensin sektorin numero ja ·...· sitten renkaan numero. Tällöin siis pikseliin h tullut vai- 11 103436 mennusinformaatio voi olla peräisin vain näistä alkioista, yhdestä tai useammasta niistä.

Koska tässä vaiheessa siis ei vielä tiedetä kuinka paljon ku-5 kin alkio on vaikuttanut vaimennusinformaationa saatavaan mittaustulokseen, kuvitellaan vaimennuksen jakautuneen tasaisesti koko sille matkalle, jonka säde on kulkenut tukissa. Esimerkkitapauksessa säteen tukissa kulkema matka on 73,50 mm. Mitattu 10 yksikköä oksamassaa jaetaan nyt edellä mainit-10 tujen alkioiden kesken niiden matkojen suhteessa, jotka säde on kulkenut kussakin alkiossa. Esimerkiksi takaisinprojisoin-tikerroin alkiolle (1,2) on säteen kulkema matka alkiossa (1,2) jaettuna kyseisen säteen koko läpikulkumatkalla, eli 8,50mm/73,50mm=0,12. Koska vaimennusarvo oli 10 saadaan pro-15 jisointitulokseksi alkion (1,2) osalta 10*0,12=1,2 (kuviossa 8 tarkempi lukema). Jakamisessa käytetyt kertoimet c(h,i,j) on laskettu etukäteen kuvion 8 mukaiseen taulukkoon edellä kerrottuun tapaan.

20 Täydellisessä taulukossa on tietysti kertoimet kaikilla pik-selien, sektorien ja renkaiden arvoilla h, i ja j . Suurin osa kertoimista on nollia, koska kukin säde kulkee vain muutamien alkioiden kautta.

25 Termi takaisinprojisointi tarkoittaa tässä sitä, että kukin kuvausprojektio palautetaan laskennallisesti siihen kaksiulotteiseen leikkaukseen, josta se on peräisin. Kuvion 8 *·*_’ mukaisessa taulukossa takaisinproj isointi on tehty vain yh- *...' dellä kuvausprojektiolla ja vain yhdellä detektorielementillä 30 (pikselillä h) . Kun laskenta tehdään kaikilla kuvausprojekti-: oilla ja kaikilla detektorielementeillä, eli siis kaikilla saaduilla arvoilla, ja summataan tulokset alkiokohtaisesti, saadaan jokaiselle sektorialkiolle lukuarvo, joka kuvaa sen osaksi tullutta oksamassaa. Jos lukuarvo on suuri, alkio on . 35 todennäköisesti osa oksaa. Kun samaan sektoriin sattuu useita suuria lukuarvoja, ne vahvistavat edelleen käsitystä, että ’· · kyseisessä sektorissa on oksa. Lukuarvot yhdistellään evi- *. ·. denssipäättelyksi kutsutulla menetelmällä. Kun sektorin evi- I2 103436 denssi eli totuusarvo ylittää tietyn ennalta määritetyn kynnyksen, sektori hyväksytään oksasektoriksi.

Koska ensimmäisessä takaisinprojisoinnissa suuri osa oksamas-5 sasta näyttää olevan hajaantunut myös sellaisiin sektoreihin, joissa ei ole oksia, takaisinprojisointi on toistettava. Nyt kaikki ne sektorit, joita ei pidetä oksasektoreina, jätetään tarkastelun ulkopuolelle asettamalla niiden kertoimet c(h,i,j) nolliksi. Näin oksamassa saadaan sijoitetuksi vain 10 todellisiin oksasektoreihin.

Yksittäisten oksien koko ja suunta voidaan siis karakterisoida radiaalisella pituudella r ja kulmilla α, β ja γ. Näiden parametrien avulla voidaan laskea oksien oletetut paikat ja 15 pinta-alat sahauspinnalla. Näin voidaan arvioida ennalta tukin arvoa sahatavarana ja jatkoprosesseissa jopa optimoida paras sahausasento oksatiedon perusteella.

Alan ammattimiehelle on selvää, että keksintö ei rajoitu yk-20 sinomaan edellä kuvattuun esimerkkiin, vaan keksinnön eri so-vellutusmuodot voivat vaihdella jäljempänä esitettävien patenttivaatimusten puitteissa.

Claims (4)

13 103436

1. Menetelmä liikkuvan kohteen (5), kuten tukin ominaisuuksien selvittämiseksi, jossa menetelmässä liikkuvaa kohdetta lä-5 pivalaistaan useammalla kuin yhdellä ainetta läpäisevää säteilyä lähettävällä säteilylähteellä (4) sekä läpivalaisuin-formaatio vastaanotetaan useammalla kuin yhdellä ainetta läpäisevää säteilyä mittaavalla detektorilla (9), tunnettu siitä, että menetelmässä käytetään hyväksi tietämystä tutkitta-10 van kohteen, kuten tukin rungon, oksien ja oksiin liittyvien poikkeamien tyypillisestä geometriasta, tiheydestä ja muista ominaisuuksista sekä niiden välisistä riippuvuuksista, ja että läpivalaisuinformaatiosta haetaan laatulajittelua varten tutkittavan kohteen normaalimateriaalista poikkeavia kohtia, 15 kuten oksan tai muiden poikkeamien muotoisia objekteja sekä niiden osia, ja että tunnistetut objektit lasketaan mallilla, joka edelleen perustuu tietämykseen rungon ja oksien tyypillisestä geometriasta ja tiheydestä.

2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että menetelmä käsittää ainakin seuraavat vaiheet: - mittaustietoa käsitellään aluksi kunkin yksittäisen läpiva-laisusuunnan läpivalaisusta saadun pikselikohtaisen valmennustiedon avulla, 25. valmennustiedosta määritetään normaalipuun ja puun sisäis-·;··· ten objektien väliset vaimennuserot, - vaimennuseroja verrataan sekä puun poikittaistasossa että puun kasvusuunnassa, • · « . - käyttäen yksinkertaisia loogisia päättelysääntöjä vaimen- 30 nuseroista saadut poikkeamat tunnistetaan positiivisina ja • · · negatiivisina poikkeamina, - puussa havaitut objektit tunnistetaan ja niiden paikka var- • · · /;. mennetaan muita mittaussuuntia käyttäen, « I · - tunnistetut objektit, kuten tukin runko ja oksat lasketaan • ·’ 35 mallilla, joka perustuu tietämykseen rungon ja oksien tyy-'···' pillisestä geometriasta ja tiheydestä. „ 103436

3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että runkopuun osuus projektiokuvista poistetaan suodattamalla . 5

4. Patenttivaatimuksen 1, 2 tai 3 mukainen menetelmä, tunnettu siitä, että oksamassa projisoidaan projektiokuvista sylin-terikoordinaatiston tilavuusalkioihin (6) ja kunkin tila-vuusalkion arvosta johdetaan evidenssiarvo oksan esiintymi- 10 selle kyseisessä alkiossa, ja että toisiinsa liittyvien alkioiden evidenssiarvot yhdistetään, jolloin saadaan kokonaisuuden evidenssi, ja että määritetään oksasuunnat suurimpien kokonaisevidenssiarvojen mukaan. • · r · t · · • « · · • i * * • M i • a « • a · % * · j * < • » I • * • M I 1 I 1 103436