CE10 - Usine du futur : Homme, organisation, technologies

Prédiction des défauts internes des grumes à partir de leurs caractéristiques corticales – WoodSeer

Résumé de soumission

WoodSeer est un projet visant à développer des moyens automatisés de caractérisation des bois à l'amont de la filière forêt-bois dans le cadre de l'inventaire, du commerce des grumes et de la première transformation, en apportant de manière automatisée une information détaillée sur la nature, la localisation et les dimensions des défauts internes. De nos jours, pour cette industrie, cette information n'est accessible qu'à travers l'utilisation de scanners à rayons X fournissant une structure interne de référence pour le système raméal mais peu abordable aux entreprises de la filière du fait de l'importance des investissements requis. Néanmoins cette information est intégrée via l'expérience et les savoir-faire d'experts dans l'opération de classement des bois en forêt ou dans des parcs à bois. Ainsi, l'idée fondatrice du projet repose sur la mise en relation des signatures des défauts sur l'écorce, avec leurs caractéristiques internes. Sans que cela soit exclusif, les défauts visés sont en particulier les nœuds des branches élaguées englobés dans le tronc. En effet, la cicatrice d'une branche sur l'écorce contient des informations sur la hauteur du bourgeon qui lui a donné naissance, le diamètre de la branche au moment de son élagage, son inclinaison moyenne et la croissance diamétrale du tronc depuis.
Grâce à des travaux antérieurs, impliquant plusieurs partenaires du projet, un premier verrou a pu être levé en obtenant des premiers résultats très prometteurs sur la détection des signatures des défauts à la surface d'écorces lisses ou rugueuses. Ces avancées ont été obtenues à partir d'algorithmes analysant la description 3D de la surface de la grume faite avec un Lidar terrestre. Ces travaux proposent aussi la classification en type de défauts et le calcul de leur caractéristiques.
Dans la continuité et dans un premier ensemble de tâches, le projet WoodSeer a pour objectif d'étudier une diversification des méthodes de numérisation tridimensionnelle de la surface d'une grume à travers l'utilisation d'appareils portables en forêt et sur site industriel grâce à des cubeurs géométriques, et d'évaluer leur pertinence pour détecter les défauts de surface. Des tâches ont aussi pour objectif de fournir des données permettant de coupler la description externe et interne d'un même défaut, grâce à l'utilisation d'un scanner à rayons X, et d'autres ambitionnent de les compléter par des structures géométriques 3D de synthèse en vue de pouvoir utiliser des méthodes performantes d'intelligence artificielle, comme l'apprentissage profond dans les autres tâches du projet.
Le second ensemble de tâches vise à améliorer l'acquis pour détecter et classer les défauts en surface et explorer d'autres voies comme combiner l'apprentissage profond et des contraintes géométriques pour améliorer les méthodes de segmentation ou de classification, afin de faciliter le renforcement de bases de données dans le futur.
Le dernier ensemble est dédié à l'établissement des relations externe-interne, afin de pouvoir prédire le défaut interne à partir de sa signature externe, avec l'ambition de s'appuyer sur des méthodes d'intelligence artificielle comme les réseaux de neurones.
Pour répondre à ces différents objectifs, le consortium réuni dans de ce projet bénéficie d'une représentativité de la filière grâce à des gestionnaires et commerciaux de la forêt publique et privée, d'un scieur, et d'une sous-traitance d'un concepteur et assembleur de solutions de cubage et d'optimisation de la transformation. Sur le plan scientifique, WoodSeer réunit une expertise reconnue sur les numérisations 3D surfaciques et volumiques et leurs traitements pour en extraire de l'information pertinente. Il présente aussi des compétences en développement de l'arbre et son impact sur la qualité des bois, et en modélisation statistique, ainsi que des compétences en géométrie discrète, objet de synthèse, et enfin en intelligence artificielle.

Coordination du projet

Thiéry Constant (Silva)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

F&BE FORETS ET BOIS DE L'EST
ONF Office National des Forêts
GEORGIATECH UMI 2958 GEORGIATECH-CNRS
SILVA Silva
UMR 7503 Laboratoire lorrain de recherche en informatique et ses applications (LORIA)
LIRIS UMR 5205 - LABORATOIRE D'INFORMATIQUE EN IMAGE ET SYSTEMES D'INFORMATION

Aide de l'ANR 542 691 euros
Début et durée du projet scientifique : octobre 2019 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter