Воронеж, Воронежская область, Россия
В статье рассматривается технология использования набора уникальных параметров брёвен, образно называемых «отпечатками» древесины (wood fingerprint), для использования в системе сквозного контроля пиловочных лесоматериалов на всех технологических участках лесопильного производства. Изложены принципы работы данной технологии, реализованной фин-ской компанией Finnos Oy, активно внедряемой на зарубежных и отечественных лесопильных предприятиях.
контроль брёвен, «отпечаток» древесины, биометрическая идентификация древесины, пиломатериалы, лесопильное производство, рентгеновское сканирование
1. Николаев, А.И. Особенности функционирования автоматизирован-ной системы учёта заготовленной древесины и контроля её происхождения / А.И. Николаев, А.В. Стариков, К.В. Батурин // Лесотехнический журнал. -2016. - №3. -С. 109-117.-DOI: 12737/21687.
2. Uusijärvi, R. Integrating quality information with production data in sawmilling / R. Uusijärvi // Proc. of ScanTech. – 2003. - Vol. 03.
3. Chikkerur, S. K-plet and coupled BFS: A graph based fingerprint representation and matching algorithm / S. Chikkerur, A. Cartwright, V. Govindaraju // Lecture Notes in Computer Science (including subseries Lecture Notes in Artifi-cial Intelligence and Lecture Notes in Bioinformatics). -2006. -P. 309-315.
4. Рентгеновские сканеры FINNOS- революция в лесопильной отрасли / Журнал «ЛПК Сибири». -URL: https://lpk-sibiri.ru/equipment/sawmill-equipment/rentgenovskie-skanery-finnos(дата обращения: 19,03.2025)
5. Кармакова, М. Эра рентгена: рентгеновские сканеры древесины / М. Кармакова // Лесной комплекс. – 2022. - №2 (54). - С. 46-51. -URL: https://forestcomplex.ru/wp-content/uploads/Issue/ForestComplex2022_ 2.pdf(дата обращения: 19.03.2025).
6. ГОСТ 32594-2013 Лесоматериалы круглые. Методы измерений.- М.: Стандартинформ, 2015. - 36 с.
7. Automatic Wood Species Classification and Pith Detection in Log CT Images/ O. Vacek, T. Gergel, T. Bucha[et al.] // Forests. -2024. - Vol. 15. - C. 2207. -DOIhttps://doi.org/10.3390/f15122207.
8. Deep High-Resolution Representation Learning for Visual Recognition / J. Wang, K. Sun, T. Cheng [et. al.] // IEEE Trans. Pattern Anal. Mach. Intell. -2021. - Vol. 43. - Pp. 3349-3364.
9. Towards the applicability of biometric wood log traceability using digital log end images / R. Schraml, J. Charwat-Pessler, A. Petutschnigg, A. Uhl // Com-puters and Electronics in Agriculture. - 2015. -Vol. 119. - Pp. 112-122.
10. Pahlberg, T. Wood Fingerprints: Recognition of Sawn Wood Products / T. Pahlberg // Thesis. - Luleå University of Technology, 2014. - 89 p. -DOIhttps://doi.org/10.13140/2.1.2479.4407.
11. Алгоритм сравнения отпечатков пальцев: комбинация классических алгоритмов. - URL: https://habr.com/ru/companies/samsung/articles/642579/ (дата обращения: 19.03.2025).
12. Heikkinen, J. Finnos Presentation X-Ray & AI-reinforced sawmill – Sawmill of 2020’s / J. Heikkinen // 25/11/2020 - CIFQ - Conseil de l'industrie forestière du Québec. -URL: https://cifq.com/documents /file/lecture-de-billes-pour-optimisation-mesurage-et-classification-par-ct-scan-x-ray-f-giguere-prologic-j-heikkinen-finnos.pdf (дата обращения: 19.03.2025)