Como escrevemos anteriormente, o Timbeter usa machine learning e visão computadorizada para detectar toras de madeira. Isso significa que nossa solução detecta a área de contorno de uma tora por baixo da casca e a converte em um círculo simétrico; de onde o diâmetro médio é calculado. Subsequentemente, o diâmetro médio é calculado baseado na área total da tora.
O processo é feito para medir a área de superfície da tora o mais preciso possível, ao converter a forma irregular da área de contorno em um círculo perfeito. Para uma medição de diâmetro precisa, são detectados mais de 2.000 diferentes pontos em uma única tora.
O próximo passo é onde nossa tecnologia permite que o software reconheça o que é uma tora. Você pode encontrar em nosso blog um artigo muito interessante feito pelo nosso time de desenvolvimento.
Para entender o processo de detecção passo-a-passo, veja a imagem abaixo:
Quando comparada à medição manual, onde o medidor geralmente calcula os diâmetros médios através de ambas as extremidades da tora, os diâmetros podem ter uma diferença. Mas, um ponto a ser considerado é que quando as fórmulas mais populares de medição de madeira foram desenvolvidas (e muitas delas foram feitas mais de 100 anos atrás), simplesmente não haviam outras opções para uma medição correta.
Hoje, a tecnologia permite resultados mais precisos, além da conveniência de dados digitais e compartilhamento rápido de toda a informação.
Então, fica aqui o questionamento:
É hora de criar novas fórmulas de medição de toras de madeira?
Ou,
Talvez uma fórmula que seja baseada em grandes conjuntos de dados, considerando a superfície inteira de uma tora de madeira?
Queremos saber de você: quais são os maiores desafios na hora de medir para ter os melhores resultados?
Conte para a gente e faça o Timbeter ainda melhor.
