Inspektion i træindustrien 

Løsningen af dette problem krævede en mere avanceret opsætning end en traditionel machine vision-applikation - det, som JLI vision kalder "hybrid vision".

For at genskabe den menneskelige vurdering af knaster og harpiksrum i pladerne anvendte JLI vision machine learning ved at behandle 30.000 billeder af både godkendte og afviste emner for at træne systemet til at kunne skelne fejl.

Machine learnings netværket blev indarbejdet i det scannersystem, JLI vision byggede til at inspicere limtræspladerne på begge sider.

Under inspektionen transporteres brædderne på to transportbånd, der bevæger sig med ca. 0,5 m/s. I det lille mellemrum mellem de to transportbånd scanner line scan-kameraer i kombination med 3D-kameraer og kortlægger både forsiden og bagsiden af pladen.

Den menneskelige inspektionsproces omfattede at røre og føle på knaster for at afgøre, om de var i fare for at løsne sig. Dette ville naturligvis ikke være muligt med maskinsyn, men ved at skabe et 3D-billede af overfladen var JLI vision i stand til at bestemme, hvilke knaster der ville falde i den kategori.

Hvis der opdages en defekt, ledes brættet til en reparationslinje, hvor defekten repareres i henhold til de billeder, der er skabt af scannersystemet.