用于确定机动链锯的锯链的锋利状态的方法技术

本发明专利技术涉及一种用于确定机动链锯(2)的锯链(1)的锋利状态的方法。锯链(1)包括带有顶刃(4)的至少一个切割元件(3)。利用成像装置(5)拍摄切割元件(3)的顶刃(4)的顶刃图像。利用包括人工神经网络的评估单元(6)进行顶刃图像的评估。在评估单元(6)中定义锯链(1)的锋利的状态和钝的状态。依据顶刃图像在使用人工神经网络的情形下使锯链(1)关联于锋利的状态或钝的状态。状态。状态。

【技术实现步骤摘要】
用于确定机动链锯的锯链的锋利状态的方法


[0001]本专利技术涉及一种用于确定机动链锯的锯链的锋利状态的方法。

技术介绍

[0002]在利用带有锯链的机动链锯的情形中，锯链的锋利状态对于高效且舒适的工作而言具有决定性意义。由于磨损，锯链在长期使用之后变钝。这可能显著降低锯切功率。利用钝的锯链的工作是费劲的、耗时的且部分提供令人不满意的切割结果。
[0003]为了可靠地检查是否锯切功率的降低实际在于钝的锯链，在现有技术中迄今遵循不同的方式。如下例如被尝试，即，依据对锯屑的形状的评估推断出锯链的锋利状态。锯屑的形状然而被太多影响因素影响。这同样适用于在锯链处的温度测量。锯链的温度不仅取决于锯链的锋利度(Schaerfe)，而且例如取决于被切割木材的湿度。另一方式是锯链的一个或多个切割元件的顶刃(Dachschneide)的宽度的测量。为此通常拍摄顶刃的相片。由于顶刃的较小尺寸，这样的相片然而具有非常高的分辨率。为了这样的相片的自动化评估如下是必要的，即，相片在绝对可复现的、保持不变的条件下来拍摄。背景、光线比例和缩放剪裁(Zoomausschnitt)被精确地预设。这样的几乎等于实验室条件的要求对于锯链的锋利状态的快速确定而言是不实际的。在使用锯链的情形中如下利用这样的方法是不可能的，即，以快速的方式确认锯链的状态是锋利的还是不锋利的。

技术实现思路

[0004]本专利技术的目的在于如此地改进这种类型的方法，使得不取决于用户的基础知识以可靠的方式可实现机动链锯的锯链的锋利状态的快速且容易的确定。<br/>[0005]该目的通过一种用于确定机动链锯的锯链的锋利状态的方法来实现，其中，锯链包括带有顶刃的至少一个切割元件，其中，利用成像装置拍摄切割元件的顶刃的顶刃图像，其中，利用包括人工神经网络的评估单元进行顶刃图像的评估，其中，在评估单元中定义锯链的锋利的状态，其中，在评估单元中定义锯链的钝的状态，且其中，依据顶刃图像在使用第一人工神经网络的情形下使锯链关联于锋利的状态或钝的状态。
[0006]根据本专利技术，顶刃图像利用包括人工神经网络的评估单元来评估。在评估单元中定义锯链的锋利的状态和锯链的钝的状态。依据顶刃图像在使用人工神经网络的情形下使锯链关联于锋利的状态或钝的状态。用于使顶刃图像关联于锋利的或钝的状态的人工神经网络也被称作第一人工神经网络。
[0007]人工神经网络的使用使得能够以简单、快速且可复现的方式使顶刃图像关联于锋利的状态或钝的状态，而不取决于用户的知识。专业知识或与专业人员的交流不是必要的。该评估可随时地直接在使用地点进行。
[0008]锋利的状态和钝的状态的定义可例如由此来给定，即，顶刃图像的像素的评估的初始信号须满足确定的标准。顶刃图像的像素适宜地是人工神经网络的输入值。每个像素尤其关联有关于其它像素、尤其关于参考像素的相对位置和颜色值(Farbwert)。颜色值可
例如是RGB值或CMYK值或是类似的颜色说明。由于人工神经网络的使用，该方法即使在拍摄顶刃图像期间的极其条件的情形中也可靠地提供良好的结果。人工神经网络有利地调用来自关联于锋利的状态或钝的状态的顶刃图像的数据集(Datensatz)。依据该数据集，人工神经网络可判定是否锯链(由其拍摄新的顶刃图像)关联于钝的状态或锋利状态。根据该数据集和与锋利的或钝的状态的关联的预设，神经网络学习如此地加权和评估不同的输入参数、不同的神经元和不同的神经元层，使得以较高的成功概率将带有未知锋利状态的锯链的顶刃图像正确地关联于锋利的或钝的状态。尤其地，对于顶刃图像与锋利的状态或不锋利的状态的正确关联而言的成功概率为至少70%、有利地至少80%、优选地至少90%。可设置成，输入参数的学习加权作为加权参数被存储在神经网络中。在将加权参数存储在神经网络中的情形中可设置成，在神经网络中不存储带有已知的与锋利的状态或钝的状态的关联的顶刃图像的数据集。
[0009]尤其地，顶刃图像在未定义光线比例的情形下以未定义的角度来拍摄。相应地无须关注可复现的拍摄条件，以便于实现与锋利的或钝的状态的可靠正确的关联。
[0010]有利地，顶刃图像以数字形式被传递到评估单元处。由此可实现与锋利的状态或钝的状态的快速关联。
[0011]有利地，顶刃图像具有至少10px/mm、尤其至少12px/mm的分辨率。由此分辨率高得足以借助于根据本专利技术的方法实现与锯链的锋利的或钝的状态的可靠且快速的关联。
[0012]在本专利技术的有利的改进方案中设置成，顶刃图像具有最高128px/mm、尤其最高110px/mm、尤其最高100px/mm、尤其最高90px/mm、尤其最高64px/mm、尤其最高32px/mm、优选最高24px/mm的分辨率。由此可行的是，也利用相对成本有利的成像装置生成顶刃图像且仍然实现与锋利的或钝的状态的可靠正确的关联。在制作数字形式的顶刃图像的情形中，数据大小由于分辨率的限制而较小。由此可节省存储空间。顶刃图像可被快速地传递到评估单元处。带有较小分辨率的顶刃图像在评估单元中可在使用神经网络的情形下被快速处理。
[0013]尤其地，用于确定锯链的锋利状态的方法即使在带有最高128px/mm、尤其最高110px/mm、尤其最高100px/mm、尤其最高90px/mm、尤其最高64px/mm、尤其最高32px/mm、优选最高24px/mm的分辨率的顶刃图像的情况下也以至少80%、尤其至少90%的对于正确关联而言的成功率起作用。
[0014]有利地，成像装置具有带有最高12百万像素、尤其带有最高10百万像素的图像传感器。适宜地，图像传感器具有7.2mm x 5.4mm、尤其最高5.8mm x 4.3mm、尤其最高5.4mm x 4.0mm、优选最高4.5mm x 3.4mm的最大尺寸。图像传感器的不同的最大尺寸可任意地与不同数量的百万像素组合。
[0015]适宜地，评估单元和人工神经网络设计成使得即使在带有最高12百万像素和7.2mm x 5.4mm、尤其最高4.5mm x 3.4mm的最大尺寸的图像传感器的成像装置的情形中也实现至少80%、尤其至少90%的对于正确关联而言的成功率。也可设置成，评估单元和人工神经网络设计成使得即使在带有最高10百万像素和5.8mm x 4.3mm、尤其最高4.5mm x 3.4mm的最大尺寸的图像传感器的成像装置的情形中也实现至少80%、尤其至少90%的对于正确关联而言的成功率。
[0016]在本专利技术的有利的改进方案中设置成，在评估顶刃图像的情形中首先选择显示顶
刃、尤其顶刃的切割棱边的图像截段。适宜地，图像截段的图像点的数量为最高64px x 64px、尤其地最高32px x 32px。尤其地，图像截段的选择借助于第二人工神经网络实现。有利地，评估单元包括第二人工神经网络。适宜地，第二人工神经网络是评估单元的组成部分。尤其地，第二人工神经网络训练顶刃、尤其切割棱边的识别。第二人工神经网络尤其是“Convolutional Neural Network”。这可例如用”卷积神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于确定机动链锯(2)的锯链(1)的锋利状态的方法，其中，所述锯链(1)包括带有顶刃(4)的至少一个切割元件(3)，其中，利用成像装置(5)拍摄所述切割元件(3)的顶刃(4)的顶刃图像，其特征在于，利用包括第一人工神经网络的评估单元(6)进行所述顶刃图像的评估，在所述评估单元(6)中定义所述锯链(1)的锋利的状态，在所述评估单元(6)中定义所述锯链(1)的钝的状态，且依据所述顶刃图像在使用所述第一人工神经网络的情形下使所述锯链(1)关联于所述锋利的状态或所述钝的状态。2.根据权利要求1所述的方法，其特征在于，所述顶刃图像在未定义的光线比例的情形下以未定义的角度来拍摄。3.根据权利要求1所述的方法，其特征在于，所述顶刃图像以数字形式被传递到所述评估单元(6)处。4.根据权利要求1所述的方法，其特征在于，所述顶刃图像具有至少10px/mm的分辨率。5.根据权利要求1所述的方法，其特征在于，所述顶刃图像具有最高128px/mm的分辨率。6.根据权利要求1所述的方法，其特征在于，所述锯链(1)与所述锋利的状态或所述钝的状态的关联即使在评估带有最高128px/mm的分辨率的顶刃图像的情形中也以至少80%的对于正确关联而言的成功率实现。7. 根据权利要求1所述的方法，其特征在于，所述成像装置具有带有最高12百万像素的图像传感器，且所述图像传感器具有7.2mm x 5.4mm的最大尺寸。8.根据权利要求1所述的方法，其特征在于，所述顶刃(4)的长度(l)为3mm至5mm。9.根据权利要求1所述的方法，其特征在于，所述顶刃(4)的宽度(b1,b2)为小于500μm。10.根据权利要求1所述的方法，其特征在于，在所述评估单元(6)中定义对于所述锯链(1)的锋利状态而言的正好两个状态。11.根据权利要求1所述的方法，其特征在于，所述第...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：安德烈，
类型：发明
国别省市：