JP7320260B2 - 髄位置推定装置および製材システム - Google Patents

Description

本発明は、髄の位置を推定する髄位置推定装置、およびその髄位置推定装置と鋸盤を備えた製材システムに関する。

森林から伐り出した原木や、その原木から樹皮を剥いだだけの木材（以下、これらを総称して丸太という）、さらには丸太を粗挽きにして杣角にしたフリッチを製材するにあたっては、成長輪の中心である髄の位置の特定が必要になる場合が多い。以下の説明では、成長輪の典型である年輪を代表例として用い、丸太やフリッチを含む、髄が残った木材のことを芯木材と称する。芯木材を製材する場合に、例えば、髄を含んだ、いわゆる心持ち材として製材するか、髄を含まない、いわゆる心去り材として製材するかは、髄の位置の特定が必要である。また、製材品は、髄との位置関係により反りや曲がりが出やすかったり、材質が異なり、歩留まりや材価に影響するために、髄位置の特定が必要である。

さらには、一本の芯木材を何回か切削するにあたり、切削と切削の間で芯木材の向きを周方向に変える場合に、芯木材の回転中心と髄の位置はずれていることが多く、その際には、髄位置を特定して回転中心とすることは合理的である場合が多い。特許文献１では、髄の位置を、作業員の肉眼による特定ではなく撮影画像上で年輪の法線方向を自動検出して推定することが提案されている。

特開２０１１－８８４３６号公報

しかしながら、年輪には節（ふし）が入っていること等から、年輪を円弧として正確に抽出することが困難な場合もあり、結果として、年輪の法線方向に狂いが生じ、髄の位置を正確に推定することができないことがある。

本発明は上記事情に鑑み、髄の位置を正確に推定することができる髄位置推定装置、および正確に推定した髄の位置に応じた製材を行うことができる製材システムを提供することを目的とする。

上記目的を解決する本発明の髄位置推定装置は、
木口面における、髄を含んだ対象領域を表す領域画像データと、該領域画像データにおける髄の位置を特定した位置データとに基づく教師あり学習により構築された学習モデルを記憶する学習モデル記憶部と、
木口面の全部又は一部を表す対象画像データを取得する取得部と、
前記学習モデルを用いて、前記取得部が取得した対象画像データから、該対象画像データの木口面における髄の位置を推定する推定部とを備え、
前記位置データが、髄を含み前記対象領域よりも狭いエリアの大きさと、該エリアの、前記対象領域に対する位置とを表すデータであり、
前記エリアと該エリアに含まれる髄との間には所定の位置関係が成立しており、
前記推定部が、前記取得部が取得した対象画像データから、前記エリアを基準にした物体検出を行い、前記所定の位置関係に基づいて髄の位置を推定するものであり、
前記所定の位置関係が、前記エリアの中心位置に髄の位置が一致しているという位置関係であることを特徴とする。

前記対象領域は、木口面全体の領域であってもよいし、木口面における、髄を含む一部領域であってもよい。

また、前記領域画像データは、木口面を周方向に回転させ異なる回転角度の位置それぞれで該木口面を撮影した複数の領域画像データであってもよい。

前記教師あり学習は、前記領域画像データと前記位置データとの組からなる教師データに基づく学習になる。すなわち、前記領域画像データに、前記位置データの情報を付与した教師データに基づく学習になる。

本発明の髄位置推定装置によれば、前記推定部によって随の位置を正確に推定することができる。

前記エリアの中心位置に髄の位置が一致しているという位置関係にすることで、髄の位置の推定が簡略化される。

なお、前記エリアの中心位置から所定の方向に所定の距離だけズレた位置に髄の位置が一致しているという位置関係であってもよい。

また、前記推定部で推定した髄の位置を中心にｎ本目までの年輪の密度あるいは年輪の平均間隔（平均年輪幅）を推定する第２推定部を備えた態様であってもよい。例えば、前記学習モデル記憶部は、髄の位置を推定した位置データの他に、年輪の密度あるいは平均年輪幅に関する年輪データに基づく教師あり学習により構築された学習モデルを記憶するものであって、前記第２推定部は、前記取得部が取得した対象画像データから、年輪の密度あるいは平均年輪幅を推定するものであってもよい。年輪の密度については、年輪の密度についての複数のグループ（例えば、密度が高い、普通、低い）のうちのいずれのグループに属するかを推定してもよく、平均年輪幅についても、平均年輪幅についての複数のグループ（例えば、平均年輪幅が広め、普通、狭め）のうちのいずれのグループに属するかを推定してもよい。年輪の密度あるいは平均年輪幅を推定することができれば、推定した髄の位置からｎ本目の年輪の位置も推定することが可能になる。このｎ本目の年輪としては、成熟材と未成熟材との境目になる年輪（例えば、１５本目の年輪）であってもよい。

上記目的を解決する本発明の製材システムは、
周方向に回転不能に、髄が残っている芯木材を保持する保持装置と、
前記保持装置に保持された芯木材を切断する鋸盤と、
木口面における、髄を含んだ対象領域を表す領域画像データと、該領域画像データにおける髄の位置を特定した位置データとに基づく教師あり学習により構築された学習モデルを記憶する学習モデル記憶部、木口面の全部又は一部を表す対象画像データを取得する取得部および前記学習モデルを用いて、前記取得部が取得した対象画像データから、該対象画像データの木口面における髄の位置を推定する推定部を備えた髄位置推定装置と、
前記保持装置に保持される前の芯木材における木口面を撮影し、撮影した画像のデータを前記取得部に送信する撮影装置と、
前記推定部で推定された髄の位置を回転中心にして芯木材を周方向に回転させ前記鋸盤における芯木材の製材姿勢を整える回転装置とを備え、
前記取得部が、前記撮影装置から送信されてきた画像のデータを前記対象画像データとして取得するものであり
前記保持装置が、前記回転装置によって製材姿勢が整えられた芯木材を保持するものであることを特徴とする。

ここにいう芯木材には、山から伐り出した原木のみならず、その原木から樹皮を剥いだだけの木材、さらには丸太を粗挽きにして杣角にしたフリッチも含まれる（以下、同じ）。

本発明の製材システムによれば、本発明の髄位置推定装置を備えるため、髄の位置を正確に推定することができ、前記回転装置を備えることで、正確に推定した髄の位置に応じた製材を行うことができる。また、髄の位置を回転中心にして芯木材を周方向に回転させて製材姿勢を整えることで、歩留りの良い木取りや、合理的な木取り、さらには、反りや曲がり、材質に配慮した木取りが可能となる。また、髄を入れて製材するか、髄を外して製材するかも事前に決めることができる。

また、前記撮影装置が、木口面の中心位置に中心を合わせ該木口面の直径の１／３以上１以下の所定の比率になる直径の円に外接する図形の領域または該円の領域を撮影するものであってもよい。

本願発明者は、木口面の中心位置を基準にして、どのような範囲に髄が位置している確率が高いのかを突き止めた。すなわち、最も狭い領域として所定の比率を１／３とした領域を用いることにすれば、髄が撮影領域から外れてしまうことがほぼなくなることがわかった。なお、所定の比率である１／３はある程度余裕をもった値であるため、ここにいう直径は、最も長い方向の直径であってもよいし、平均値（例えば、縦方向の直径と横方向の直径の平均値）であってもよい。

また、前記図形の領域は、多角形の領域（例えば、四角形以上の領域）であってもよい。

さらに、前記髄位置推定装置における前記対象領域も、木口面の中心位置に中心を合わせ該木口面の直径の前記所定の比率と同じ比率になる直径の円に外接する図形の領域または該円の領域であることが好ましい。すなわち、前記撮影装置が撮影する撮影領域における所定の比率と、前記髄位置推定装置の前記対象領域における所定の比率が同じ比率であることが好ましい。

本発明の髄位置推定装置によれば、髄の位置を正確に推定することができ、本発明の製材システムによれば、正確に推定した髄の位置に応じた製材を行うことができる。

機械学習時の髄位置推定装置の概略的な機能ブロック図である。 ２種類の丸太の木口面を模式的に示した図である。 複数の領域画像データを示した図である。 髄位置推定時の髄位置推定装置を備えた製材システムの概略的な機能ブロック図である。 図４に示す回転装置の一端側の部分を示す側面図である。 図４に示す帯鋸盤を図４の右側から見た帯鋸盤の正面図である。

以下、図面を参照して本発明の実施の形態を説明する。

本実施形態の髄位置推定装置は機械学習を行う。ここではまず、髄位置推定装置が行う機械学習について説明する。

図１は、機械学習時の髄位置推定装置の概略的な機能ブロック図である。

図１に示す髄位置推定装置１０は、学習部１１を備えている。学習部１１には、教師データが与えられる。教師データは、領域画像データに、位置データの情報を付与したデータになる。すなわち、教師データは、領域画像データに、人が見つけた髄の位置に関する情報をアノテーション（タグ付け）したデータになる。

図２は、２種類の丸太の木口面を模式的に示した図である。この２種類の丸太はいずれも、直径が３００ｍｍ～４００ｍｍ程度であり、いわゆる大径材である。図２に示すいずれの木口面も、元口側の木口面である。また、図２では、灰色で示した心材部分にのみ年輪を示し、白色で示した辺材部分では年輪を図示省略している。なお、以下の説明では、年輪を例にあげて説明するが、成長輪であっても同じである。

図２（ａ）には、相対的に細めで真円度が低い丸太の木口面Ｃ１が示されている。この図２（ａ）に示す木口面Ｃ１では、辺材部分Ｃ１２から心材部分Ｃ１１にかけて節ｋが見られる。髄（年輪中心）の部分は、例えば黒っぽい点のようになっており、人が見れば髄の位置を見つけるのは容易である。図２では、髄ｐを×印で示している。図２（ａ）に示す木口面Ｃ１では、この髄ｐの位置が重心位置ｇから下方にずれている。

図２（ｂ）には、相対的に太めで真円度が高い丸太の木口面Ｃ２が示されている。この図２（ｂ）に示す木口面Ｃ２では、心材部分Ｃ２１に汚れｄが見られる。また、この木口面Ｃ２では、髄ｐの位置が重心位置ｇから上方にずれているが、図２（ａ）に示す木口面Ｃ１に比べれば、重心位置ｇからのズレ量は小さい。

図１に示す学習部１１に与える領域画像データは、元口側の木口面を撮影した画像データである。この領域画像データは、木口面における、髄を含んだ対象領域を表すデータであり、木口面全体の領域を対象領域としたものであってもよいし、木口面における、髄を含む一部領域を対象領域としたものであってもよい。より詳細には、領域画像データにおける対象領域は、木口面の中心位置に中心を合わせ該木口面の直径の１／３以上１以下の所定の比率になる直径の円に外接する図形の領域または該円の領域であればよい。この領域は、後述する撮影領域と密接に関わってくるため、詳しい説明は後述する。ここでは、対象領域を、木口面全体の領域とする。また、領域画像データは、末口側の木口面を撮影した画像データであってもよいし、元口側と末口側それぞれの木口面を撮影した画像データであってもよい。

また、学習部１１に与える教師データは、領域画像データに、髄を含み対象領域よりも狭いエリアを特定する位置データの情報を付与したデータである。すなわち、教師データは、領域画像データに、このエリアの大きさの情報と、このエリアの対象領域に対する位置の情報を付与したデータである。図２では、このエリアを２点鎖線で示している。さらに、エリアとそのエリアに含まれる髄との間には所定の位置関係が成立している。ここにいう所定の位置関係とは、エリアの中心位置に髄の位置が一致しているという位置関係である。なお、エリアの中心位置から所定の方向に所定の距離だけズレた位置に髄の位置が一致しているという位置関係であってもよい。所定の位置関係が成立していることで、エリアの位置が定まれば、髄の位置も定まることになる。図２に示すエリアの形状は正方形であるが、エリアの形状は特に限定されず、多角形であってもよいし円形であってもよい。また、エリアの大きさとしては、髄の外側に年輪が３つ以上含まれる大きさであることが好ましい。後述する推定部における髄位置の推定で、年輪は、模様としての目印になるが、年輪が２つ以下であると、目印が少なすぎて誤検出してしまう恐れがある。図２（ｂ）に示す木口面Ｃ２では、同図（ａ）に示す木口面Ｃ１で用いたエリアの大きさでは、３つ以上の年輪が含まれず、このため、同図（ｂ）に示す木口面Ｃ２で用いるエリアは、同図（ａ）に示す木口面Ｃ１で用いたエリアよりも大きなものになっている。また、心材部分と辺材部分とでは色味が異なり、色味が変化する境目を含む領域を学習させようとすると、学習部１１は色味の変化も含めて「髄」というパターンとして学習することから、色味のコントラストなどが検出精度に影響する可能性があるため、エリアの大きさは、心材部分内に収まる大きさであることが好ましい。一方、エリアが大きくなりすぎると、エリアの中心位置から髄がズレてしまう可能性が高くなる。位置データについて、より具体的な例をあげれば、エリアの形状を矩形にした場合、対象領域の中央を原点（０，０）としたときの、エリアの中央の座標値、および該エリアの横方向の長さ（幅）と縦方向の長さ（高さ）のデータが位置データになる。

図３は、複数の領域画像データを示した図である。

図３には、８つの木口面の画像が示されている。図３（ａ）に示す木口面の画像は、図２（ａ）に示した木口面Ｃ１の画像と同じである。図３（ｂ）に示す木口面の画像は、同図（ａ）に示す木口面の画像を時計周りに４５°回転させた画像であり、同図（ｃ）に示す木口面の画像は、同図（ａ）に示す木口面の画像を時計周りに９０°回転させた画像であり、同図（ｄ）に示す木口面の画像は、同図（ａ）に示す木口面の画像を時計周りに１３５°回転させた画像である。また、図３（ｅ）に示す木口面の画像は、同図（ａ）に示す木口面の画像の左右を反転させた画像であり、図３（ｆ）に示す木口面の画像は、同図（ｂ）に示す木口面の画像の左右を反転させた画像であり、図３（ｇ）に示す木口面の画像は、同図（ｃ）に示す木口面の画像の左右を反転させた画像であり、図３（ｈ）に示す木口面の画像は、同図（ｄ）に示す木口面の画像の左右を反転させた画像である。すなわち、図３（ａ）～同図（ｈ）に示す画像は、同じ木口面Ｃ１についての画像になる。

この図３でも、各図において、髄ｐを×印で示すとともに、髄ｐの位置を中心にした正方形のエリアを２点鎖線で示している。図３に示すように、各領域を図３に示した向きで見れば、１つの木口面から８つの領域画像データを用意できることがわかる。この結果、８つの領域画像データごとに、２点鎖線で示したエリアに関する情報を付与した教師データを用意することができる。こうして、多数の木口面の画像それぞれから、８つの教師データが用意され、学習部１１に与えられる。

学習部１１では、教師データに基づいて教師あり学習を行い、学習モデルを構築する。学習部１１では、ディープラーニング（深層学習）などの手法により学習が進められる。

髄位置推定装置１０は、学習モデル記憶部１２も備えており、学習部１１で構築された学習モデルは、その学習モデル記憶部１２に記憶される。

次に、構築された学習モデルを用いて、木口面における髄の位置を推定する髄位置推定装置１０について、製材システムに組み込んだ態様を例にあげて説明する。

図４は、髄位置推定時の髄位置推定装置を備えた製材システムの概略的な機能ブロック図である。この機能ブロック図では、製材システムを真上から見た様子が示されている。

図４に示す製材システム１は、髄位置推定時の髄位置推定装置１０の他、投入装置２０、搬送装置３０、撮影装置４０、回転装置５０、送材装置６０、一対の挟持板７０、および帯鋸盤８０を備えている。

投入装置２０には、複数本の丸太が供給される。この投入装置２０は、丸太Ｌを矢印ａに示すように１本ずつ搬送装置３０に投入する。

搬送装置３０は、投入された丸太Ｌを矢印ｂに示すように撮影装置４０の横の搬送位置まで搬送する。搬送位置まで搬送された丸太Ｌは、矢印ｃに示すように撮影装置４０に送られる。

搬送装置３０における上記搬送位置と撮影装置４０の間には、木口面の直交する二方向の直径を計測するセンサと、丸太の長さを計測するセンサが設けられており、図４に示す製材システム１では、これらのセンサ計測によって、木口面の三次元における中心位置を表す座標情報（ｘ，ｙ，ｚ）を得ることができる。

撮影装置４０は、丸太Ｌの両端（元口側と末口側）の木口面を撮影する第１カメラ４１と第２カメラ４２を有する。撮影装置４０では、第１カメラ４１と第２カメラ４２を用いて、木口面全体を撮影するが、木口面全体ではなく、木口面における、髄を含む一部領域のみを撮影してもよい。より詳細には、撮影装置４０が撮影する撮影領域は、木口面の中心位置に中心を合わせ該木口面の直径の１／３以上１以下の所定の比率になる直径の円に外接する図形の領域または該円の領域であればよい。本願発明者は、木口面の中心位置を基準にして、どのような範囲に髄が位置している確率が高いのかを突き止めた。すなわち、最も狭い領域として所定の比率を１／３とした領域を用いることにすれば、髄が撮影領域から外れてしまうことがほぼなくなることがわかった。なお、所定の比率である１／３はある程度余裕をもった値であるため、ここにいう直径は、最も長い方向の直径であってもよいし、平均値（例えば、縦方向の直径と横方向の直径の平均値）であってもよい。１／３以上１以下の範囲で１／３に近い比率ほど、高精細な画像データを得ることができる。一方、１に近い比率ほど多くの情報（例えば、模様）を持った画像データを得ることができる。さらに、ここで撮影する領域は、学習部１１に与える領域画像データの対象領域と一致していることが好ましい。すなわち、撮影装置４０が撮影する撮影領域における所定の比率と、学習部１１に与える領域画像データの対象領域における所定の比率が同じ比率であることが好ましい。

なお、元口側の木口面と末口側の木口面のうち、元口側の木口面のみにおける撮影画像データを髄位置推定装置１０に送信してもよい。

図４に示す髄位置推定装置１０は、学習モデル記憶部１２の他、取得部１３と推定部１４も備えている。取得部１３では、撮影装置４０から送信されてきた撮影画像のデータを対象画像データとして取得する。好ましい態様では、学習フェーズにおいて学習部１１に与える領域画像データの対象領域における所定の比率と、推定フェーズにおいて取得部１３が取得した対象画像データの画像領域における所定の比率が同じ比率であることになる。こうすることで、学習フェーズと推定フェーズで取り扱う画像データの領域が一致し、推定の精度が向上することを期待することができる。

推定部１４は、取得部１３が取得した対象画像データから対象画像データの木口面における髄の位置を、学習モデル記憶部１２に記憶されている学習モデルを用いて推定する。推定部１４は、例えば、ＹＯＬＯ（Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ）といったアルゴリズムを用いて、教師データとして与えられたエリアを基準にして該エリアに似たエリアを対象画像データの木口面から探し出す。詳しい説明は省略するが、このＹＯＬＯは、畳込みニューラル・ネットワーク（ＣＮＮ：Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いた物体検出アルゴリズムであり、画像を複数のグリッドに分割し、物体（ここでは、エリア）が存在するグリッドに、バウンディングボックスと称される、物体に外接する矩形領域（物体を示す領域）を設定する。なお、推定部１４で用いられるアルゴリズムは、このＹＯＬＯに限定されることはなく、例えば、畳込みニューラル・ネットワークを用いた他の物体検出アルゴリズム等であってもよい。推定部１４は、対象画像データの木口面からエリアを検出すると、上述の所定の位置関係に基づき、髄の位置を推定する。すなわち、検出したエリアの中心位置に髄が存在するという推定結果を導出する。

実際に、領域画像データと位置データとの組（教師データ）を５００組用意した。そして、この５００組の中からランダムに選択した所定数の組（例えば、６４組）の集まりを１セットとし、３１０００セット分の機械学習を行わせた。ここでは、図３を用いて説明した、１つの木口面から教師データを８つ抽出する手法を用いなかったが、この手法を用いれば、５００組が４０００組になる。テスト用データとしては、異なる木口面における髄周辺をそれぞれ撮影した１００個の対象画像データを用意し、これら１００個の対象画像データを取得部１３に与え、推定部１４に髄の位置を推定させた。１００個の推定結果のいずれもが、人が髄の位置と判断した位置から１０ｍｍの範囲内にあり、非常に高い正答率を得た。より詳細に説明すれば、推定結果の最大のズレ量は８ｍｍであり、平均ズレ量は２ｍｍであった。また、位置のズレの標準偏差は１．３ｍｍであった。

以上説明した髄位置推定装置１０は、学習部１１と推定部１４の両方が構築されているため、推定部１４における髄位置の推定結果に対して、髄位置の正誤についての評価を加えることで、撮影画像データを教師データとして利用することが可能になる。一方、学習部１１と推定部１４が異なる装置に設けられた態様であってもよい。すなわち、髄位置推定装置１０には、学習部１１は設けられておらず、学習モデルを記憶した学習モデル記憶部１２が設けられていれば、髄位置の推定は可能である。

図４に概略的に示す回転装置５０は、制御部５９を有するとももに、丸太Ｌの長さ方向の両端部分それぞれに回転センター５１，５２も有する。

図５は、図４に示す回転装置の一端側の部分を示す側面図である。この図５では、図の左右方向が丸太の長さ方向になり、図示されていないが、図の左側の離れた位置に帯鋸盤８０が設けられている。図５に示す回転装置５０の一端側は、帯鋸盤８０とは離れた側（反帯鋸盤側）になり、不図示の他端側が帯鋸盤側になる。図５には、制御部５９と、丸太Ｌの元口側の端部と、その丸太Ｌの元口側の木口面Ｃ３に先端部分が食い込んだ回転センター５１が示されている。

図５に示す回転装置５０は、丸太Ｌの長さ方向（矢印Ｚ参照）に進退する材長シリンダ５３、高さ方向になる上下方向（矢印Ｙ参照）に進退する上下シリンダ５４、図５では紙面に対して垂直な方向になる横方向に進退する横シリンダ５５、および回転センター５１の中心を回転中心にして回転センター５１を回転（矢印Ｒ参照）させるモータ５６を有する。さらに、回転装置５０は、木口面の位置等を検出する不図示のセンサも有する。なお、回転装置５０における、図５では不図示の帯鋸盤側の部分では、モータが省略され回転センター５２が一端側の回転センター５１の回転に合わせて回転可能に軸支されている。また、帯鋸盤側の部分には、材長シリンダ５３は設けられていないが、上下シリンダ５４と横シリンダ５５は設けられている。

図４に示す撮影装置４０における撮影を終えた丸太は、矢印ｄに示すように回転装置５０に送られる。この際、丸太は、回転装置５０が管理する原点座標位置に、上述のセンサ計測によって得られた木口面の中心位置が一致するように、回転装置５０に送られる。回転装置５０に送られた丸太Ｌは、原点座標位置に木口面の中心位置が一致した状態で、丸太の外周面を把持する不図示のクランプ機構によって支持される。

髄位置推定装置１０の推定部１４は、木口面の髄位置の推定が完了すると、その推定結果を回転装置５０の制御部５９に送信する。また、その制御部５９には、撮影装置４０から取得部１３に送信した撮影画像データと同じ撮影画像データが送信されている。さらに、制御部５９には、上述のセンサ計測によって得られた、その撮影画像データの木口面における中心位置を表す座標情報（ｘ，ｙ，ｚ）も送信されている。制御部５９では、髄位置の推定結果を撮影画像データに当てはめ、座標情報を基準に、髄位置の三次元座標情報を算出する。

制御部５９は、推定部１４が推定した髄の位置を回転中心にして丸太Ｌを周方向に回転センター５１が回転させることができるよう、材長シリンダ５３、上下シリンダ５４、および横シリンダ５５の進退量を制御する。すなわち、制御部５９は、算出した髄位置の座標情報に基づいて、材長シリンダ５３の進退量を制御し、丸太Ｌの元口側の木口面Ｃ３に、回転センター５１の先端部分が食い込むようにする。また、制御部５９は、算出した髄位置の座標情報に基づいて、上下シリンダ５４および横シリンダ５５の進退量を制御し、回転センター５１の中心が推定部１４が推定した髄の位置に一致するようにする。

以上説明した制御部５９による各シリンダの進退量の制御によって、図４に示すように、丸太Ｌの元口側の木口面Ｃ３には、推定部１４が推定した髄の位置に中心を一致させた状態で回転センター５１の先端部分が食い込み、丸太Ｌの末口側の木口面Ｃ４には、推定部１４が推定した髄の位置に中心を一致させた状態で回転センター５２の先端部分が食い込んでいる。以上説明した回転センター５１，５２は、先端部分を食い込ませた丸太Ｌを、周方向に回転不能に丸太Ｌの延在方向から挟持するものである。回転センター５１，５２によって挟持された丸太Ｌは、モータ５６の回転に合わせて、回転センター５１，５２とともに周方向に回転する。

また、推定部１４によって髄の位置が推定されたことで、心持ち材として製材するか、心去り材として製材するかの製材計画を立てることができる。また、製材する場合の歩留りの良い鋸の入れ方、すなわち歩留りの良い木取りの製材計画や、反りや曲がり、材質に配慮した木取りの製材計画について検討することができる。さらには、成熟材の部分と未成熟材の部分が製材品にどのように含まれるかを予め把握して製材計画を立てることもできる。なお、製材計画は、コンピュータプログラムによって決定してもよいし、作業員が決定してもよい。

こうして決定された製材計画にしたがって、回転装置５０では、モータ５６を回転させることで丸太を周方向に回転させ、最初に帯鋸盤８０を通過させる際の丸太の製材姿勢を整え、待機状態になる。

先に開始されていた製材が終了すると、製材姿勢を整えて待機状態であった丸太Ｌは、図４に示す一対の挟持板７０に挟持されて、製材姿勢を保ったまま矢印ｆに示すように送材装置６０まで移動させられる。図４では、回転装置５０で待機状態にある丸太Ｌを挟持した一対の挟持板７０を点線で示すとともに、送材装置６０まで移動させた一対の挟持板７０も点線で示している。

図４に示すように、送材装置６０は、丸太Ｌの長さ方向に延在したものであり、帯鋸盤８０が途中に配置されている。

図６は、図４に示す帯鋸盤を図４の右側から見た帯鋸盤の正面図である。以下、図６の左右方向を幅方向と称する。

この図６には、紙面と直交する方向に延在した送材装置６０の一部も示されている。送材装置６０は、
紙面と直交する方向に延在した送材レール６１と、この送材レール６１上を走行する車体６２を備えている。この車体６２は、丸太の長さ方向に延在したものである。車体６２の幅方向両側には車輪６３が設けられるとともに、車体６２の長手方向にも間隔をあけて複数の車輪が設けられている。これらの車輪６３が送材レール６１に係合し、不図示の駆動手段によって、車体６２は送材レール６１上を走行する。

また、この車体６２の長手方向両端側それぞれには、上方に向かって突出したクランプが設けられている。図６では、一端側のクランプ６４のみが示されているが、図４には、両端側のクランプ６４，６５が示されている。これらのクランプ６４，６５は、車体６２の長手方向、すなわち丸太Ｌの延在方向に進退自在であり、図５を用いて説明した回転装置５０の回転センター５１と同様、丸太Ｌの木口面Ｃ５，Ｃ６に先端部分が食い込み、丸太Ｌの延在方向から丸太Ｌを周方向に回転不能に挟持する。また、一端側のクランプ６４は、そのクランプ６４の中心を回転中心にして不図示のモータによって回転自在であり、他端側のクランプ６５は、一端側のクランプ６４の回転に合わせて回転可能に軸支されている。

図４では、車体６２は丸太Ｌで見えないが、車体は初期位置にある。一対の挟持板７０に挟持されて、初期位置にある車体６２の上方に移動された丸太Ｌは、クランプ６４，６５の中心が、推定部１４が推定した髄の位置に一致した状態で、それらのクランプ６４，６５によって周方向に回転不能に挟持さる。クランプ６４，６５による挟持が完了すると、一対の挟持板７０は後退する。図４では、後退した一対の挟持板７０を実線で示している。

図６に示す帯鋸盤８０は、支持台８１と、支持台８１上に配置され幅方向に延在したレール部材８２と、レール部材８２上に設けられた基体８３と、基体８３に支持された鋸車ユニット８４を有する。また、基体８３にはモータ８３３が設けられている。鋸車ユニット８４は、上下に間隔をあけて配置された上鋸車８４ａおよび下鋸車８４ｂと、上鋸車８４ａおよび下鋸車８４ｂに巻き掛けられた帯鋸８４１とを有する。図６では、鋸車ユニット８４を一点鎖線で示している。なお、本実施形態の帯鋸盤８０は、鋸車ユニット８４を、幅方向に２つ並べて配置した、いわゆるツイン式のものである。

下鋸車８４ｂの中心部分には、紙面と直交する方向に延在した駆動軸８５ｂが回転不能に固定されている。この駆動軸８５ｂは、モータ８３３の駆動力が伝達されるものであり、駆動軸８５ｂがモータ８３３によって回転することで、下鋸車８４ｂも回転する。また、上鋸車８４ａの中心部分には、紙面と直交する方向に延在した固定軸８５ａが通されている。固定軸８５ａは、基体８３に設けられたスポール８３１に支持されている。スポール８３１は、上下動自在なものであり、スポール８３１を上下動させることによって、上鋸車８４ａの位置も上下動し、上鋸車８４ａと下鋸車８４ｂの間隔を調整することができる。また、固定軸８５ａには分銅８６が取り付けられている。この分銅８６は、テコの原理によって固定軸８５ａに上方向の力を付与するものである。スポール８３１による、上鋸車８４ａと下鋸車８４ｂとの間隔の調整と、分銅８６から付与される力によって、上鋸車８４ａおよび下鋸車８４ｂに巻き掛けられた帯鋸８４１には、所定の緊張力が付与される。図６に示す左側の鋸車ユニット８４では、モータ８３３の駆動力が伝達された下鋸車８４ｂが、矢印で示すように時計回りに回転することによって、帯鋸８４１も時計回りに走行し、この帯鋸８４１の走行に伴い上鋸車８４ａが、矢印で示すように時計回りに回転する。一方、図６に示す右側の鋸車ユニット８４では、モータ８３３の駆動力が伝達された下鋸車８４ｂが、矢印で示すように反時計回りに回転することによって、帯鋸８４１も反時計回りに走行し、この帯鋸８４１の走行に伴い上鋸車８４ａも、矢印で示すように反時計回りに回転する。

基体８３は、レール部材８２上を、幅方向にスライド可能なものである。一対の基体８３，８３それぞれの、幅方向外側にはシリンダ８３２が配置され、シリンダ８３２が駆動することによって、一対の基体８３，８３それぞれが、幅方向にスライドする。この基体８３のスライドに伴い、鋸車ユニット８４も幅方向にスライドする。

以上説明した図６に示す帯鋸盤８０を用いて丸太Ｌを製材する一例を以下に説明する。ここでの製材の例は、推定部１４による髄位置の推定結果に基づいて立てられた製材計画に従った例になる。

まず、モータ８３３を駆動させ、図６に示す左側の鋸車ユニット８４では、帯鋸８４１を時計回りに走行させ、図６に示す右側の鋸車ユニット８４では、帯鋸８４１を反時計回りに走行させる。これら左右に配置された帯鋸８４１，８４１の間隔は、製材計画に従って、目的とする角材等の製材品の寸法に応じてシリンダ８３２を駆動させ、基体８３を幅方向にスライドさせることによって調整しておく。次いで、図６では紙面手前側になる初期位置にある車体６２を、帯鋸８４１，８４１に向けて（図６では紙面奥側に向けて）走行させ、帯鋸８４１，８４１に丸太Ｌを通過させる（図４に示す矢印ｇ参照）。これによって、丸太Ｌは、いわゆる太鼓材の状態に切削される。その後、左右に配置された帯鋸８４１，８４１の間隔を、シリンダ８３２を駆動させてやや広げ、車体６２を初期位置に戻す（図４に示す矢印ｈ参照）。車体６２が初期位置に戻った後、製材計画に従って、丸太Ｌの製材姿勢等を整える。この例では、クランプ６４，６５に挟持された太鼓材の状態の丸太Ｌを、紙面と直交する方向に伸びる回転軸を中心に９０度回転させるとともに、左右に配置された帯鋸８４１，８４１の間隔が設定した間隔になるようにシリンダ８３２を駆動させる。続いて、車体６２を、再度、帯鋸８４１，８４１に向けて走行させ、帯鋸８４１，８４１に丸太Ｌを通過させることによって、太鼓材の状態の丸太Ｌは角材に切削される。次に、シリンダ８３２を駆動させて、左右に配置された帯鋸８４１，８４１の間隔をやや広げ、車体６２を初期位置に戻す。最後に、クランプ６４，６５による丸太Ｌの挟持を解除して丸太Ｌを車体６２の上方から取り外す。この丸太Ｌの取り外しが完了すると、図４に示す回転装置５０から次の丸太Ｌが一対の挟持板７０に挟持されて、初期位置にある車体６２の上方に移動される。

以上説明した実施形態では、髄位置推定装置１０によって髄の位置を正確に推定することができる。また、製材システム１によれば、回転装置５０を備えることで、正確に推定した髄の位置に応じた製材を行うことができる。

本発明は上述の実施の形態に限られることなく特許請求の範囲に記載した範囲で種々の変更を行うことができる。例えば、学習モデル記憶部１２に、髄の位置を中心にｎ本目までの年輪の密度あるいは平均年輪幅に関する年輪データに基づく教師あり学習により構築された学習モデルも記憶させておき、推定部１４が、取得部１３が取得した対象画像データから、年輪の密度あるいは平均年輪幅を推定するものであってもよい。このｎ本目の年輪としては、成熟材と未成熟材との境目になる年輪（例えば、１５本目の年輪）であってもよい。年輪の密度については、年輪の密度についての複数のグループ（密度が高い、普通、低い）のうちのいずれのグループに属するかを推定してもよく、平均年輪幅についても、平均年輪幅についての複数のグループ（平均年輪幅が広め（例えば、６ｍｍ以上）、普通（例えば、４ｍｍ以上６ｍｍ未満）、狭め（例えば、４ｍｍ未満）のうちのいずれのグループに属するかを推定してもよい。ここでの推定も、ＹＯＬＯといったアルゴリズムを用いてもよい。これらの年輪に関する推定によって、成熟材と未成熟材との境目になる年輪（例えば、１５本目の年輪）の位置を求めることができる。

また、撮影装置４０が撮影した撮影画像を二値化しエッジ強調を行って、画像解析によって年輪をある程度検出しておき、ディープラーニングによって、検出精度を高めたり、誤りを訂正することもできる。

さらに、本発明の髄位置推定装置１０は、製材システムに限らず、合板機械（ロータリーレース）等にも適用することができる。

なお、以上説明した実施形態や各変更例の記載それぞれにのみ含まれている構成要件であっても、その構成要件を、他の実施形態や他の変更例に適用してもよい。

１ 製材システム
１０ 髄位置推定装置
１１ 学習部
１２ 学習モデル記憶部
１３ 取得部
１４ 推定部
２０ 投入装置
３０ 搬送装置
４０ 撮影装置
５０ 回転装置
５１，５２ 回転センター
６０ 送材装置
７０ 挟持板
８０ 帯鋸盤
Ｃ１，Ｃ２，Ｃ３，Ｃ４，Ｃ５，Ｃ６ 木口面
Ｌ 丸太
ｐ 髄

Claims (2)

1. 木口面における、髄を含んだ対象領域を表す領域画像データと、該領域画像データにおける髄の位置を特定した位置データとに基づく教師あり学習により構築された学習モデルを記憶する学習モデル記憶部と、
   木口面の全部又は一部を表す対象画像データを取得する取得部と、
   前記学習モデルを用いて、前記取得部が取得した対象画像データから、該対象画像データの木口面における髄の位置を推定する推定部とを備え、
   前記位置データが、髄を含み前記対象領域よりも狭いエリアの大きさと、該エリアの、前記対象領域に対する位置とを表すデータであり、
   前記エリアと該エリアに含まれる髄との間には所定の位置関係が成立しており、
   前記推定部が、前記取得部が取得した対象画像データから、前記エリアを基準にした物体検出を行い、前記所定の位置関係に基づいて髄の位置を推定するものであり、
   前記所定の位置関係が、前記エリアの中心位置に髄の位置が一致しているという位置関係であることを特徴とする髄位置推定装置。
2. 周方向に回転不能に、髄が残っている芯木材を保持する保持装置と、
   前記保持装置に保持された芯木材を切断する鋸盤と、
   木口面における、髄を含んだ対象領域を表す領域画像データと、該領域画像データにおける髄の位置を特定した位置データとに基づく教師あり学習により構築された学習モデルを記憶する学習モデル記憶部、木口面の全部又は一部を表す対象画像データを取得する取得部および前記学習モデルを用いて、前記取得部が取得した対象画像データから、該対象画像データの木口面における髄の位置を推定する推定部を備えた髄位置推定装置と、
   前記保持装置に保持される前の芯木材における木口面を撮影し、撮影した画像のデータを前記取得部に送信する撮影装置と、
   前記推定部で推定された髄の位置を回転中心にして芯木材を周方向に回転させ前記鋸盤における芯木材の製材姿勢を整える回転装置とを備え、
   前記取得部が、前記撮影装置から送信されてきた画像のデータを前記対象画像データとして取得するものであり
   前記保持装置が、前記回転装置によって製材姿勢が整えられた芯木材を保持するものであることを特徴とする製材システム。

Images