Knot detection in computed tomography images of partially dried Jack pine (Pinus banksiana Lamb.) and white spruce (Picea glauca (Moench) Voss) logs
Notice bibliographique
Résumé
X-ray computed tomography (CT) of logs means possibilities for optimizing breakdown in sawmills. This depends on accurate detection of knots to assess internal quality. However, as logs are stored in the log yard they dry to a certain extent, and this drying affects the density variation in the log, and therefore the X-ray images. For this reason, it is hypothetically difficult to detect log features in partially dried logs using X-ray CT. The objective of this research was to investigate the effect of drying on knot detection in Jack pine (Pinus banksiana Lamb.) and white spruce (Picea glauca (Moench) Voss) logs from New Brunswick, Canada. An automatic knot detection algorithm was compared to manual measurements for this purpose, and the results show that knot detection was clearly affected by partial drying. Because dried heartwood and sapwood have similar densities, the algorithm had difficulties detecting the heartwood-sapwood border. Based on how well the heartwood-sapwood border was detected, it was statistically possible to sort logs into two groups: 1) Low knot detection rate, and 2) High knot detection rate. In that way, a decision can be made whether or not to trust the knot models obtained from CT scanning. Therefore, logs that are partially dried out and fall in the low knot detection rate should be handled cautiously because the optimization results based on CT knot detection cannot be fully trusted. Sawing of these logs could be optimized using only their outer shape, ignoring internal quality. Similarly, only logs having a regular heartwood shape should be used when scanning logs for research purposes or in databases of CT scanned logs. Finally, a larger knot detection rate was obtained for Jack pine. This could have been facilitated by the fact that pine trees usually have larger but less numerous knots than spruce trees.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».