C4i UdeC impulsiona tecnologia de visão computacional para classificação de madeira

No âmbito do Programa de Absorção Tecnológica para a Inovação (PATI) de Visão Computacional impulsionado pela Corfo, o Centro para a Indústria 4.0 (C4i) da Universidade de Concepción deu um passo fundamental no desenvolvimento de tecnologia aplicada à indústria florestal.

Nas instalações da empresa Patagonia Painting Company, localizada no município de Mulchén, Região do Biobío, foi realizada uma jornada de capacitação em caracterização de madeira de pinus radiata, atividade fundamental para o avanço do programa e o posterior treinamento dos algoritmos de inteligência artificial que a equipe está desenvolvendo.

A jornada foi organizada pela equipe e executada pela empresa especialista em qualidade madeireira Lumber Quality, reunindo os responsáveis das diferentes equipes da serraria junto à equipe técnica do PATI de Visão Computacional. O objetivo central foi fornecer aos engenheiros as ferramentas conceituais e práticas necessárias para identificar corretamente as características e falhas presentes na madeira, conhecimento que servirá de base para etiquetar os dados com os quais o sistema de detecção automatizada será treinado.

Uma capacitação em duas etapas

A capacitação foi estruturada em dois blocos complementares. A primeira parte ocorreu na sala de reuniões da serraria, onde foi desenvolvida uma sessão teórica ministrada pelo Gerente Geral e Fundador da Lumber Quality, Consultoria sediada em Concepción, especializada em Gestão e Controle de Qualidade para o setor madeireiro, Pedro Hidalgo.

Durante esta instância formativa, foram abordadas em profundidade as características do pinus radiata, sua individualização, descrição e os critérios de seleção que permitem diferenciar um defeito de outro.

A segunda etapa levou o grupo à planta de processamento de madeira, onde os participantes puderam revisar em campo tábuas completas e identificar ao vivo cada uma das características trabalhadas em sala. Esta análise, combinando a base teórica com a observação prática, permitirá à equipe etiquetar manualmente as características presentes nas tábuas previamente capturadas pelo arco de câmeras instalado em uma esteira da serraria, estabelecendo assim as bases para o treinamento do algoritmo de inteligência artificial.

Vozes da jornada

A Engenheira de projetos do C4i, Loreto Rojas, destacou o compromisso da equipe com os padrões da indústria: «Estivemos aprendendo sobre a identificação de defeitos na madeira, com o objetivo de que todos os desenvolvimentos tecnológicos que fizermos sejam da mais alta qualidade, respeitando os padrões que as diferentes empresas têm quanto ao seu grau de aceitação da madeira».

Pedro Hidalgo, da Lumber Quality, destacou a relevância do trabalho que o C4i está desenvolvendo e o desafio que implica aplicar visão computacional a um material de natureza variável: «A madeira é um elemento vivo, às vezes é cortada e vai gerar muita diferença entre uma tábua e outra, o que torna o desafio que estão enfrentando tremendo. Eles vão criar uma ferramenta tremenda para a indústria, que precisa dela com urgência.»

Por sua vez, Claudio Weiss, gerente da Patagonia Painting Company, valorizou a instância e sublinhou o horizonte do projeto: «A ideia é desenvolver isso para obter um sistema de classificação visual através de scanner com a tecnologia que a equipe do C4i está desenvolvendo.»

O próximo passo: treinar a inteligência artificial

Esta capacitação marca o início de uma etapa decisiva para o PATI de Visão Computacional. Com o conhecimento adquirido, a equipe de engenheiros está em condições de avançar para o treinamento do modelo de inteligência artificial, processo no qual os dados coletados em campo serão etiquetados e utilizados para que o sistema aprenda a reconhecer e classificar de forma autônoma as características e defeitos presentes na madeira.

O objetivo final é contar com uma ferramenta capaz de operar em tempo real dentro das linhas de produção das serrarias, otimizando os processos de classificação e reduzindo o tempo, erros e fadiga que o processo manual de identificação das características da madeira pode provocar, elevando assim os padrões de qualidade da indústria florestal da região.