System für die computerbasierte Bildverarbeitung zur Messung der Länge von Rohrabschnitten bei der Mühlenzuführung

Die Bedeutung der Größe der Zuckerrohrstängel (Billets) nach der Ernte als Indikator für die Qualität von Zuckerrohr und Ernte ist zwar bekannt, doch handelt es sich hierbei um eine Messgröße, deren genaue Ermittlung und Erfassung zeitaufwändig und schwierig ist. In dieser Studie wurden Edge-Computing-Geräte als Grundlage für ein maschinelles Bildverarbeitungssystem verwendet, um Messungen von Billets auf Förderbändern zu erhalten. Etwa 1000 Bilder von zwei Rohrmühlen wurden zum Trainieren von maschinellen Bildverarbeitungsmodellen verwendet, um Billets auf Förderbändern eindeutig zu identifizieren. Durch den Abgleich dieser Bilder mit einer Tiefenkarte des Förderbandes kann eine Schätzung der einzelnen Billetlängen vorgenommen und zur Berechnung einer durchschnittlichen Billetlänge für die Ladung verwendet werden. Die Genauigkeit des Systems kann dann durch den Vergleich dieser Schätzungen, sowohl einzeln als auch als Ladungsdurchschnitt, mit bekannten Messungen überprüft werden. Bei der Verwendung von manuell annotierten Bildern mit markierten Billets bekannter Länge zur Parameterschätzung lieferte das verbesserte Längenberechnungsverfahren recht genaue und präzise Messungen der Billets und zeigte eine deutlich bessere Korrelation (von r = 0,712 bis r = 0,907) als die zuvor verwendete Methode. Bei Verwendung von Durchschnittswerten pro Ladung scheint das getestete Bildverarbeitungsmodell in der Lage zu sein, mit Handmessungen mit einer Genauigkeit von bis zu 2 cm zu übereinzustimmen, wobei die Kameramessungen offenbar zu einer Verzerrung in Richtung einer Billetlänge von 17 cm neigen. Das System kann wie vorgesehen über längere Zeiträume kontinuierlich mit externen Fördersystemen interagieren. Die Messmethode ermöglicht die Billetlänge individuell zu erfassen. Bei der Prüfung anhand von Durchschnittswerten pro Ladung scheint das Bildverarbeitungsmodell über eine unzureichende Vielfalt in den Trainingsdaten verfügt zu haben, was zu einer Verzerrung zugunsten der in diesen Trainingsdaten am häufigsten vorkommenden Längen geführt hat. Eine Diversifizierung der Trainingsdaten mit während der Prüfung aufgenommenen Bildern dürfte die hier festgestellte Verzerrung größtenteils ausgleichen. Danach sollte das System in der Lage sein, weitere Optimierungen bei der Ernte und beim Transport zu ermöglichen, indem es zuverlässige Informationen über die Billetlänge bei der Anlieferung zur Mühle liefert.