Umetna inteligenca označi trohnobo na površini večslojnih lesenih tal

Kaj je raziskava dejansko pokazala?

Naravna tekstura hrasta oteži jasno ločnico med trohnobo in zdravim lesom.

Trohnoba na površinskem sloju večslojnih lesenih tal nima vedno ostrega roba ali enotne barve. Njena oblika je lahko nepravilna, barvni prehod pa se prepleta z letnicami, grčami, beljavo, jedrovino in sencami. Zaradi tega je avtomatsko prepoznavanje zahtevnejše kot iskanje enostavne geometrijske napake.

Človeški pregledovalec uporablja izkušnje in širši kontekst, vendar se ocene med ljudmi lahko razlikujejo, pri hitri proizvodni liniji pa sta pomembni tudi utrujenost in čas. Klasična računalniška klasifikacija lahko fotografiji dodeli oznako »trohnoba« ali »brez trohnobe«, ne pove pa nujno, kje natančno je območje in kolikšen del deske zajema.

Semantična segmentacija rešuje drugačen problem: vsaki slikovni piki pripiše razred. Rezultat je maska, ki lahko podpira izločanje deske, optimizacijo razreza ali označevanje območja za nadaljnji pregled. Še vedno pa gre za optično oceno površine. Model ne meri nosilnosti, globine razkroja, vlage ali aktivnosti gliv pod površino.

Pomembno je tudi, da je raziskava namenjena trohnobi na površinskem sloju večslojnih tal. Naslov ne sme razširiti ugotovitev na praske, odstopanje laka, škripanje, votla mesta ali vse mogoče poškodbe parketa.

Lahek kodirnik MiT-B1 in focal loss sta prilagodila SegFormer nalogi talnih desk.

Avtorji so pripravili zbirko fotografij večslojnih tal iz belega hrasta z vidno trohnobo in predlagali prilagojeni model SegFormer. Javno dostopni primarni povzetek ne razkrije števila slik, ločljivosti, razmerja med učno, validacijsko in testno množico ali natančnega postopka ročnega označevanja. Teh številk zato ne smemo dopolnjevati po občutku.

SegFormer je arhitektura za semantično segmentacijo, ki uporablja transformatorski kodirnik in lahek dekodirnik. V tej različici je bil kodirnik MiT-B1, izbran zaradi razmerja med zmogljivostjo in številom parametrov. Standardno navzkrižno entropijo so nadomestili s focal loss.

Focal loss zmanjšuje vpliv številnih lahkih primerov in več pozornosti nameni pikam, ki jih model težje razvrsti. To je uporabno, kadar ozadje zavzema veliko več površine kot napaka ali ko so robovi trohnobe nejasni. Toda funkcija izgube sama ne odpravi napačnih oznak, pristranske zbirke ali novih vrst lesa.

Prilagojeni model so primerjali s tradicionalnimi CNN-modeli za semantično segmentacijo. Avtorji poročajo, da je bolje ločeval meje med trohnobo in ozadjem ter dosegel višji mIoU ob manjšem številu parametrov. Natančne vrednosti posameznih primerjalnih modelov v javnem povzetku niso navedene.

Segmentacija odloča za vsako slikovno piko in iz napovedi sestavi masko.

Kamera najprej zajame RGB-fotografijo površine deske. Kodirnik sliko pretvori v značilke na več merilih: nekatere opisujejo drobne teksture in robove, druge širši kontekst območja. Samopozornost pomaga povezati oddaljene dele slike, zato model ni omejen samo na majhno lokalno okolico vsake pike.

Dekodirnik združi značilke in za vsako piko izračuna verjetnost razreda. Iz teh verjetnosti nastane segmentacijska maska, ki jo je mogoče prikazati kot barvno plast čez fotografijo. Takšna maska je v vizualu te strani simulirana razlaga postopka, ne kopija originalnega rezultata ali avtorska figura.

mIoU meri povprečno prekrivanje med napovedano in referenčno masko: presečišče deli z unijo obeh območij. Precision odgovarja, koliko napovedanih ciljnih pik je bilo pravilnih. F1 uravnoteži precision in priklic, mPA pa povzema natančnost pik po razredih. Visoka vrednost ene metrike ne odpravi potrebe po drugih, posebej če je napaka majhna.

Model se nauči vzorcev iz označenih primerov. Če so novi lak, olje, barva lesa, osvetlitev ali kamera zunaj učne porazdelitve, lahko naravna tekstura sproži lažni alarm ali pa model trohnobo spregleda. To ni posebna napaka SegFormerja, temveč splošna omejitev podatkovno vodenih vizijskih sistemov.

Štiri visoke metrike kažejo dober rezultat, ne univerzalne zanesljivosti.

Prilagojeni SegFormer je dosegel 86,81 % mIoU, 93,50 % mPA, 92,39 % precision in 92,94 % F1. Številke so med seboj skladne in kažejo, da je model na uporabljenih podatkih dobro razmejeval ciljno območje ter ozadje.

mIoU je posebej uporaben, ker kaznuje tako preveliko kot premajhno masko. Vrednost 86,81 % pa ni isto kot »86,81 % pregledanih desk je bilo pravilno razvrščenih«. Prav tako precision 92,39 % ne pove sam, koliko dejanske trohnobe je model spregledal; za to potrebujemo priklic oziroma celoten kontekst F1 in razrednih rezultatov.

Avtorji model predstavljajo kot osnovo za prihodnji avtomatizirani pregled površinske kakovosti. Javni primarni zapis ne potrjuje delovanja na realni proizvodni hitrosti, števila sličic na sekundo, odziva na serije brez trohnobe ali primerjave z več neodvisnimi človeškimi pregledovalci.

Zato je varna formulacija »model je na zbirki fotografij belega hrasta dosegel visoke segmentacijske metrike«. Formulaciji »odkrije napako, preden jo vidi človek« in »prepreči vse reklamacije« nista podprti.

Najbližja uporaba je kontrola v proizvodnji; pregled položenih tal zahteva novo validacijo.

Najbolj neposredna uporaba je proizvodna kontrola površinskega sloja pred sestavo, lakiranjem ali razvrščanjem. Kamera nad transportnim trakom bi lahko pripravila masko, programska pravila pa bi desko usmerila v sprejem, dodatni pregled, razrez ali izločitev. Za tak sistem je poleg natančnosti odločilna tudi hitrost in zanesljivo delovanje brez stalnega prilagajanja osvetlitve.

Pri obnovi položenega parketa bi bila možna drugačna aplikacija: fotografija prostora bi pomagala označiti sumljiva območja za osebni pregled. Toda položena tla vsebujejo odseve oken, pohištvo, fuge, praske, madeže in različne kote fotografiranja. Raziskava teh pogojev ni preizkusila in modela ne moremo predstaviti kot diagnostično aplikacijo za lastnike stanovanj.

Tudi popolna površinska maska ne pove, ali je les konstrukcijsko zdrav. Za strokovno odločitev so lahko potrebni meritev vlage, pregled podlage, trkanje, sondiranje in ocena globine poškodbe. AI je lahko filter oziroma pomoč pri doslednosti, ne avtomatska zamenjava za materialno diagnozo.

Za podjetje bi bila dragocena še sledljivost: shranjena fotografija, maska, čas, serija in končna odločitev. Tak zapis omogoči naknadno analizo napak, vendar odpira tudi vprašanja kakovosti podatkov, različic modela in odgovornosti ob napačni odločitvi.

Kaj je že dokazano in kaj še ne?

Zunanja validacija, merjenje hitrosti in nadzor negotovosti so koraki do resničnega sistema.

Naslednji preskus bi moral vključiti zunanjo zbirko iz drugega obrata, druge kamere in drugega časa. Posebej bi bilo treba poročati rezultate za različne odtenke belega hrasta, oljene in lakirane površine, močno ter šibko osvetlitev in primere brez trohnobe.

Za industrijsko uporabo so potrebni še hitrost v sličicah na sekundo, zakasnitev, velikost modela, stabilnost pri dolgem delovanju in pravilo za negotove napovedi. Pameten sistem ne sme vsake slike na silo razvrstiti; pri nizki zanesljivosti mora zahtevati človeški pregled.

Za uporabo pri obnovi bi bila potrebna ločena zbirka položenih tal in ločeni razredi za trohnobo, madež, praske, odstopanje premaza ter nepoškodovano teksturo. Šele prospektivni preskus na novih objektih bi pokazal, ali takšno orodje res izboljša odločitve in ne samo izdeluje vizualno prepričljivih mask.

Praktični odgovori brez laboratorijskega žargona.

Izvirna znanstvena objava