Problemstellung und Herausforderung

Am Produktionsstandort wird Industrieholz (Baumstämme) für die anschließende Weiterverarbeitung zu Papier vorbereitet. Da die Rinde kein typisches Fasermaterial wie Holz enthält und deshalb nicht für die Papierherstellung verwendet werden kann, wird sie in einer Entrindungstrommel zu einem Großteil entfernt (Mehrstammentrindung). Hierbei kommt es auf ein optimales Verhältnis von Holz zu Rinde an (Entrindungsgrad): Denn wird zu viel Rinde entfernt, besteht die Gefahr, dass auch wertvolles Holz verloren geht. Bleibt zu viel Rinde am Holz, leidet die Papierqualität.

Prozessbedingt wird die Rinde jedoch nicht immer optimal entfernt. Alle entrindeten Holzprügel mussten deshalb bislang einer manuellen optischen Kontrolle unterzogen und, wenn notwendig, händisch einem erneuten Entrindungs-Durchlauf zugeführt werden. Da dieser Prozess sehr arbeitsintensiv ist, sollte die manuelle Kontrolle automatisiert werden. Dabei stellten sich für Wahtari unter anderem folgende Herausforderungen:

• Die Hölzer fahren auf einem einspurigen Förderband und können vereinzelt, überlappend, in Gruppen und berührend liegen

• Erkennung von Konturen, Größe und Länge von Holzstämmen, Holzhaufen und Restrinde sowie dem Mittelwert aller sichtbaren Hölzer

• Anzeige des Entrindungsgrads (= das Verhältnis von entrindetem und nicht entrindetem Holz) als prozentualer Wert

• Einstellbarer Schwellenwert für den Rindenanteil als Grundlage für die Steuerung einer automatischen Schleuse zur Rückführung

• Automatische Kontrolle im laufenden Betrieb (ohne Bandstopp), bei variablen Bandgeschwindigkeiten

• Besondere Schwierigkeit: Erfassung von witterungsbedingten Verfärbungen (Verwitterungen) und Berücksichtigung jahreszeitlicher Schwankungen (Schnee, Regen auf dem Holz).

Die Lösung

Um die manuelle Sortierung zu ersetzen, hat der Kunde das Förderband modifiziert und eine ansteuerbare Schleuse installiert. Die menschliche Kontrolle wurde durch ein KI-basiertes, industrietaugliches Kamerasystem von Wahtari abgelöst. Dieses erkennt automatisch die Entrindungsgüte sowie viele weitere Parameter und steuert anhand dessen die Rückführungsschleuse.

Die automatische Erkennung des Entrindungsgrads (und weiterer Parameter) erfolgt mittels KI-gestützter Bildverarbeitung. Die eingesetzte Technologie basiert auf tiefen neuronalen Netzwerken (Deep Neural Networks), die für die Erkennung des Restrindenanteils mit Bildaufnahmen der bearbeiteten Holzstämme projektspezifisch trainiert werden.

Die Aufnahme der Bilder für das Training erfolgte vor Ort im laufenden Prozess (in-line) durch die installierten Wahtari-Kameras. Anschließend wurde die KI mit den Bilddaten der bereitgestellten Musterstämme trainiert. Eine erste Auswertung der Standbilder hat zunächst eine Erkennungsgenauigkeit von ca. 90% ergeben.

Nach Installation wurde während des normalen Betriebes weiteres Bildmaterial aufgenommen und die KI erneut trainiert. Durch mehrmaliges Training konnte die Erkennungsrate weiter verbessert werden. Wichtig war, die Verwitterungen der verschiedenen Holzarten zu erfassen. Deshalb war ein mehrfaches Trainieren des
Systems über 12 Monate vorgesehen. Die finale KI wurde mit mehreren zehntausend ausgewählten Bildern kalibriert. Nach Erreichen der gewünschten Erkennungsrate war kein weiteres Training erforderlich.

Die Auswertung der Kamerabilder erfolgt auf einem zentralen Rechnersystem mit integrierter Anlagensteuerung, das für die gestellte Aufgabe entsprechend ausgelegt ist. Für den Betrieb ist nach Abschluss des KI-Trainings keine Internetverbindung erforderlich.

Die Vorteile

Das KI-basierte Kamerasystem von Wahtari ist eine vollautomatisierte Komplettlösung für optische Inspektion. Um ein Vielfaches leistungsfähiger und präziser als das menschliche Auge, prüft das System unter Industriebedingungen, im laufenden Betrieb und rund um die Uhr. Es ist einfach in der Anwendung, Plug & Play und erlaubt komfortable Ein-Mann-Bedienung. Beim Kunden hat sich Wahtari`s Kamerasystem bereits unter einem Jahr amortisiert.

Das installierte Kamerasystem besteht projektspezifisch aus zwei Industriekameras und einem Rechnersystem sowie einem Schaltschrank für die Wandmontage des Rechnersystems.

Optional kann zusätzlich die Software Wahtari nVision erworben werden. Diese bietet eine leicht zu bedienende Nutzeroberfläche für die Einstellung von Schwellenwerten, die Prozessüberwachung und die Dokumentation. Wahtari nVision ist für Linux und Windows Betriebssysteme erhältlich und kann auf unternehmensinterne Rechner (z.B. Laptops oder Tablets) installiert werden.

Beim Kunden war die Bedienung über Wahtari nVision nicht notwendig. Vielmehr konnte das Kamerasystem Dank der zahlreichen Standard Industrieschnittstellen (z.B. Profibus, Profinet, OPC/UA, Digital IO, etc.), einfach und schnell in das bereits vorhandene IT-System integriert werden. Die Ansteuerung des Systems erfolgte über die API, welche über die Industrieprotokolle (hier: Profibus und OPC/UA) bereitgestellt werden konnte.

Die Integration in den laufenden Betrieb wird außerdem durch Standard-Verkabelung und Stromversorgung (220 V) des Wahtari Kamerasystems vereinfacht. Aufgrund der wenigen und unkomplizierten Systemkomponenten ist der Installationsaufwand minimal: Die Industriekameras mit integrierter Halterung und Beleuchtung werden an zwei verschiedenen Stellen über dem Förderband aufgehängt.

Das Rechnersystem (eingebettet im Schaltschrank, Abmessungen 50 cm x 60 cm x 40 cm (HxBxT)) wird im Betrieb an einer Wand montiert. Dieses wertet die von den Kameras generierten Bilder aus und steuert die Rückführungsschleuse über die Industrieschnittstellen.

Dadurch wird zudem weder ein Internetanschluss noch eine Cloud-Anbindung benötigt. Dies ermöglicht höchste Geschwindigkeiten bei der Datenverarbeitung und geringste Latenzen. Da die Kundendaten im Betrieb bleiben, besteht größtmögliche Datensicherheit.

Bei nachträglichen Änderungen im Prozess (z.B. andere Baumsorten), kann das System durch schnelles und einfaches Training angepasst werden.

Erkennungs- und Auswertungsleistung

Die Kameras sind für den Innen- und Außenbetrieb geeignet, bei Temperaturen zwischen -20 bis +50° Celsius. Bei wechselnden Bandgeschwindigkeiten bis zu 120m/min erfasst das System gleichzeitig Parameter wie Entrindungsgrad, Bandgeschwindigkeit, Größe, Konturen, Länge und Durchmesser von Holzstämmen und -haufen. Einzelne Stämme können unterschieden werden. Witterungsbedingte Holzverfärbungen werden berücksichtigt. Die Erkennungsgenauigkeit beträgt über 98%, selbst bei Störungen wie Staub, Regen oder Schnee. Die Prüfung erfolgt in Echtzeit, die maximale Prüfdauer beträgt ca. 150 Millisekunden bei 180cm Bilddiagonale. Der Grad der Entrindungsgüte und Schwellenwerte für die Längenmessung sind über Wahtari nVision einstellbar. Die Steuerung der Schleuse erfolgt anhand der eingestellten Entrindungsgüte über die Industrieschnittstellen des Rechnersystems.