Совершенствование методики программного определения объёма партии круглых лесоматериалов для повышения точности результатов её применения
Автор: Куницкая Ольга Анатольевна, Беляев Николай Львович, Хитров Егор Германович
Журнал: Resources and Technology @rt-petrsu
Статья в выпуске: 1 т.19, 2022 года.
Бесплатный доступ
Проблема повышения точности и автоматизации учёта круглых лесоматериалов по-прежнему стоит достаточно остро. В отечественной и зарубежной практике используются различные ручные поштучные методы измерения объёма, как с учётом, так и без учёта коры. К ним относятся метод концевых сечений, метод серединного сечения, метод усечённого конуса. В то же время всё чаще используются автоматизированные методы, чаще всего секционный. Развиваются и групповые методы определения объёма. В дополнение к ручному штабельному методу в учётной практике используются весовые методы, построение 2-D- и 3-D-моделей на базе фотографической и лазерной съёмки. Однако весьма часто отсутствует нормативное регулирование вопросов учёта лесоматериалов: какой метод и когда применять, какие погрешности измерений допустимы, что делать с расхождениями и т. п. К настоящему времени разработаны пакеты прикладных программ, основанные на машинном зрении, которые позволяют существенно сократить трудоёмкость операций по измерению объёмов круглых лесоматериалов в плотном штабеле или на автолесовозе. В статье показано, что при программном определении объёма хвойных и лиственных лесоматериалов непосредственные оценки завышены по сравнению с контрольными показателями. Распределение относительных отклонений оценок от контрольных значений не подчиняется нормальному закону распределения. В результате анализа выборки партий лиственных лесоматериалов получена регрессионная модель, предназначенная для корректировки программной оценки объёма партии с учётом объёма, среднего диаметра и числа брёвен. Использование данной модели позволяет повысить точность программной оценки по сравнению с контролем. Работа выполнена в рамках деятельности научной школы «Инновационные разработки в области лесозаготовительной промышленности и лесного хозяйства» Арктического государственного агротехнологического университета.
Лесозаготовки, учет заготовленной древесины, круглые лесоматериалы, групповой учет, сортименты
Короткий адрес: https://sciup.org/147237228
IDR: 147237228 | УДК: 657.6
Methodology enhancement for program determination of roundwood batch volume to improve the accuracy of its application
The problem of improving the accuracy and automation of round timber accounting is still quite urgent. In domestic and foreign practice various manual piece-by-piece methods of volume measurement are used, both with and without taking bark into account. These include the method of end sections, the middle section method, and the truncated cone method. At the same time automated methods, mainly sectional methods, are finding wide application. . Group methods are also being developed. In addition to the manual stacking method, accounting practice uses weight methods, construction of 2-D and 3-D models on the basis of photographic and laser surveying. However, quite often there is no normative regulation of timber accounting issues: which method and when to use, what measurement errors are acceptable and how to deal with discrepancies. To date, application software packages based on machine vision have been developed to significantly reduce the labor intensity of operations to measure the volume of round timber in a dense stack or on a timber truck. The article shows that in software-based volume determination of coniferous and hardwood timber the direct estimates are overestimated as compared with the control ones. The distribution of relative deviations of estimates from the reference values does not adhere to the normal distribution law. As a result of analyzing a sample of hardwood timber batches, a regression model was obtained to adjust the software estimates of the batch volume with regard to the volume, average diameter, and number of logs. This model allows improving the accuracy of program estimation compared to the control one. The work was performed within the framework of the scientific school «Innovative developments in the field of logging industry and forestry» of the Arctic State Agrotechnological University.
Список литературы Совершенствование методики программного определения объёма партии круглых лесоматериалов для повышения точности результатов её применения
- Григорьев И. В. Направления совершенствования харвестерных головок // Повышение эффективности лесного комплекса: Материалы Шестой Всероссийской национальной научно-практической конференции с международным участием. Петрозаводск, 2020. С. 45—47.
- Григорьев И. В., Григорьева О.И., Никифорова А. И., Глуховский В. М. Перспективные направления развития технологических процессов лесосечных работ // Труды БГТУ. № 2. Лесная и деревообрабатывающая промышленность. 2016. № 2 (184). С. 109—116.
- Рудов С. Е., Григорьев И. В. Пути повышения эффективности работы систем машин для сортиментной заготовки древесины // Повышение эффективности лесного комплекса: Материалы Седьмой Всероссийской национальной научно-практической конференции с международным участием. Петрозаводск, 2021. С. 168—169.
- Тамби А. А., Григорьев И. В., Давтян А. Б., Помигуев А. В., Калита О. Н., Григорьев В. И. Технологическая интеграция лесопромышленных предприятий // Деревообрабатывающая промышленность. 2021. № 1. С. 26—37.
- Швецова В. В. Эффективность геометрического учёта заготовленной древесины современными лесозаготовительными машинами // Повышение эффективности лесного комплекса: Материалы Седьмой Всероссийской национальной научно-практической конференции с международным участием. Петрозаводск, 2021. С. 203—204.
- Швецова В. В. Автоматизация геометрического метода учёта круглых лесоматериалов // Повышение эффективности лесного комплекса: Материалы Шестой Всероссийской национальной научно-практической конференции с международным участием. Петрозаводск, 2020. С. 149—150.
- Grigorev I., Shadrin A., Katkov S., Borisov V., Kaznacheeva N., Levushkin D., Druzyanova V., Gnatovskaya I., Diev R., Akinin D. Improving the quality of sorting wood chips by scanning and machine vision technology // Journal of Forest Science. 2021. Vol. 67, no 5. P. 212—218.
- Николаев А. И., Стариков А. В., Батурин К. В. Особенности функционирования автоматизированной системы учёта заготовленной древесины и контроля её происхождения // Лесотехнический журнал. 2016. Т. 6, № 3 (23). С. 109—117.
- Стариков А. В., Батурин К. В. Методика и программно-технические средства автоматизированного учёта древесины при её заготовке и транспортировке // Актуальные направления научных исследований XXI века: теория и практика. 2017. Т. 5, № 1 (27). С. 343—345.
- Атаманова А. С, Чирышев Ю. В. Способ обнаружения лесоматериалов на цифровых изображениях с помощью методов машинного обучения // Актуальные проблемы развития технических наук: Сб. ст. участников XXII Областного конкурса научно-исследовательских работ «Научный Олимп» по направлению «Технические науки» / Департамент молодежной политики Свердловской области; ГАУ СО «Дом молодёжи», ФГАУ ВО Уральский федеральный университет имени первого Президента России Б. Н. Ельцина. Екатеринбург, 2020. С. 55—63.
- Стариков А. В., Батурин К. В. Исследование и анализ методов учёта заготовленной древесины в России и зарубежных странах // Лесотехнический журнал. 2015. № 4. С. 104—113.
- Chiryshev Y. V., Kruglov A. V., Atamanova A. S. Automatic detection of round timber in digital images using random decision forests algorithm // ACM International Conference Proceeding Series. Сер. «Proceedings of 2018 International Conference on Control and Computer Vision, ICCCV 2018». 2018. P. 39—44.
- Гуров С. В., ГерасинМ. Л. Моделирование систем: Учеб. пособие. Сыктывкар: Лесной ин-т, 2002. 160 с.
- Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Вильямс, 2016. 912 с.
- Liengme B. V. A Guide to Microsoft Excel 2013 for Scientists and Engineers. Chapter 4 — Using Functions / Editor(s) Bernard V. Liengme // Academic Press. 2016. P. 49—74.
- Liengme B. V. A Guide to Microsoft Excel 2013 for Scientists and Engineers. Chapter 8 — Regression Analysis / Editor(s) Bernard V. Liengme // Academic Press. 2016. P. 157—179.
- Liengme B. V. A Guide to Microsoft Excel 2013 for Scientists and Engineers. Chapter 16 — Statistics for Experimenters / Editor(s) Bernard V. Liengme // Academic Press. 2016. P. 321— 345.
- Григорьева О. И. Статистические характеристики сосновых насаждений, пройденных рубками ухода // Актуальные проблемы лесного комплекса. 2005. № 10. С. 84—87.
- Григорьева О. И., Григорьев М. Ф. Статистическая обработка результатов экспериментальных исследований рубок ухода в сосновых насаждениях // Актуальные направления научных исследований XXI века: теория и практика. 2017. Т. 5, № 10 (36). С. 148—152.
- Измайлова В. С., Григорьева О. И. Оценка успешности естественного возобновления ели после сплошных рубок в Лисинском лесничестве // Актуальные вопросы в лесном хозяйстве: Материалы молодёжной международной научно-практической конференции. 2017. С. 31—34.
