Apaļo kokmateriālu tilpuma noteikšanas un kvalitātes vērtēšanas automatizācija, kokmateriālu grupveida uzmērīšanā pēc kraujmēra godīgas konkurences atbalstam

SIA “VMF LATVIA” un SIA “Koksnes plūsmas datu centrs” uzsācis īstenot kopīgu pētījumu sadarbībā ar SIA “Meža nozares kompetences centrs”.

Pētījums tiek īstenots Atveseļošanas un noturības mehānisma (ANM) plāna 2.2.1.3.i. investīciju projekta “Meža nozares kompetences centrs – digitalizācija” Nr. 2.2.1.3.i.0/1/24/A/CFLA/001 ietvaros.

 

 

 

 

 

 

Pētījums

Apaļo kokmateriālu tilpuma noteikšanas un kvalitātes vērtēšanas automatizācija, kokmateriālu grupveida uzmērīšanā pēc kraujmēra godīgas konkurences atbalstam.

Pētījuma mērķis

Uzlabot apaļo kokmateriālu uzmērīšanas tehnoloģijas (Mobilais FotoWeb un KpDC Frame), automatizējot procesus, lai samazinātu izmaksas, palielinātu precizitāti un objektivitāti, kā arī veicinātu godīgu konkurenci un caurspīdīgumu.

Īstenošanas periods

01/2025 – 09/2027

Galvenās aktivitātes:

  1. Krautnes garuma mērīšanas automatizācija. Ģeometrijas noteikšanas pilnīga automatizācija saskaņā ar LVS 82:2024.
  2. Tilpīguma koeficienta noteikšanas automatizācija – uzlabot objektivitāti, novēršot subjektīvo ietekmi koeficienta novērtēšanā.
  3. Kvalitātes klases novērtēšanas automatizācija – izstrādāt kokmateriālu kvalitātes novērtēšanas tehnoloģiju.
  4. Attēlu automātiskā korekcija – nodrošināt precīzāku tilpuma noteikšanu, uzlabojot attēlu apstrādi.
  5. Grupveida uzmērīšanas precizitātes pārbaudes automatizācija – izpētīt risinājumus izmaksu un laika ietaupīšanai.
  6. Klientu saskarnes izstrāde – nodrošināt saprotamību un caurspīdīgumu kokmateriālu uzmērīšanas procesā, mazinot diskusijas par rezultātiem.

Progresa pārskats uz 31.03.2026

Aktivitāte Nr. 3: FW tehnoloģijas tilpīguma koeficienta noteikšanas automatizācija – izstrāde

  • Izstrādāta un testa vidē ieviesta FotoWeb (FW) tilpīguma koeficienta automātiskas noteikšanas funkcionalitāte
  • Pabeigtās darbības ļauj iesākt FotoWeb (FW) tilpīguma koeficienta automātiskas noteikšanas funkcionalitātes testēšanu

Aktivitāte Nr. 5: KF tehnoloģijas tilpīguma koeficienta noteikšanas automatizācija – izstrāde

  • Sagatavota prasību definīcija KpDC Frame (KF) tilpīguma koeficienta noteikšanas automatizācijas izstrādei
  • Veikta cenu aptauja, lai izvēlētos funkcionalitātes izstrādes ārpakalpojumu sniedzēju
  • Veiktās darbības ļaus uzsākt KpDC Frame (KF) tehnoloģijas tilpīguma koeficienta automatizācijas izstrādi

Aktivitāte Nr. 10: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – datu ievākšana (rudens un ziemas sezona)

  • Ievākti dati par 424 dažādu sortimentu kontrolsaiņiem
  • Ievākta saiņu sānu skatu datu kopa – 110838 attēli
  • Ievākta saiņu pretskatu datu kopa – 4320 attēli
  • Sagatavota atskaite – datu apkopojums par rudens un ziemas sezonu (10. un 12. aktivitātes atskaite – datu apkopojums)

Aktivitāte Nr. 12: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – datu marķēšana un mašīnmācīšanās (rudens un ziemas sezona)

  • Saiņu sānu datu kopā atlasīti 28400 un marķēti 24765 attēli
  • Sagatavota atskaite – apkopojums par rudens un ziemas sezonā marķēto datu kopu. (10. un 12. aktivitātes atskaite – datu apkopojums)

Uzsākta mašīnmācīšanās modeļa izstrāde – veikta cenu aptauja, lai izvēlētos izstrādes ārpakalpojuma sniedzēju

Progresa pārskats uz 27.05.2025
Aktivitāte Nr. 1: Kokmateriālu saiņa garuma transportlīdzeklī mērīšanas automatizācija – izstrāde
  • Uzsākta izpēte, kas ietver nepieciešamības pamatojumu (saiņa garuma transportlīdzeklī mērīšanas process, datu ievade, datu kvalitāte, sistēmu savienojamība), ietekmējošo faktoru kopuma identificēšanu, potenciālo korekciju ietekmi uz precizitāti;
  • Uzsākta datu strukturēšana no 3 datu bāzēm (KP jeb kontrolsaiņu sistēma, VITA, CIEDRS), lai analizētu statņu platumu izmaiņas un to ietekmējošos faktorus. Uzsāktās darbības ļaus izveidot saiņa garuma transportlīdzeklī izmaiņu automatizācijas vienādojumu/-us un dod rekomendācijas datu veidu un kvalitātes turpmākai uzturēšanai;
  • Uzsākta saiņa garuma transportlīdzeklī korekcijas matemātisko modeļu izveide.
Aktivitāte Nr. 9: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – attēlu ievākšanas prototipa uzstādīšana
  • Uzsākta izpēte (koksnes vainas grupveida uzmērīšanā, to sastopamība un nepieciešamība automatizēt);
  • Veikta cenu aptauja (izvēlēts izstrādes pakalpojuma sniedzējs);
  • Uzsākta metodikas izveide (koksnes vainu vērtēšanas metodoloģija – esošais un jaunais process automatizējot). Uzsāktās darbības ļaus uzstādīt attēlu ievākšanas prototipu un turpmākajās aktivitātēs uzsākt datu marķēšanu gan FW, gan KF tehnoloģijām.
Progresa pārskats uz 20.08.2025
Aktivitāte Nr. 1: Kokmateriālu saiņa garuma transportlīdzeklī mērīšanas automatizācija – izstrāde: 1.1 posms.
  • Veikta izpēte (saiņa garuma transportlīdzeklī mērīšanas process, datu ievade, datu kvalitāte, sistēmu savienojamība), ietekmējošo faktoru kopuma identificēšanu, potenciālo korekciju ietekmi uz precizitāti.
  • Veikta datu strukturēšana no 3 datu bāzēm (KP jeb kontrolsaiņu sistēma, VITA, CIEDRS), lai analizētu statņu platumu izmaiņas un to ietekmējošos faktorus.
  • Sagatavoti matemātiskie modeļi (saiņa garuma transportlīdzeklī izmaiņu automatizācijas vienādojumi).
  • Veiktās darbības ļaus uzsākt matemātisko modeļu aprobēšanu un funkcionalitātes izstrādi.
Aktivitāte Nr. 9: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – attēlu ievākšanas prototipa uzstādīšana: 9.1 posms. Metodikas sagatavošana un tehnoloģisko prasību definēšana
  • Veikta izpēte (koksnes vainas grupveida uzmērīšanā, to sastopamība un nepieciešamība automatizēt).
  • Veikta cenu aptauja (izvēlēts izstrādes pakalpojuma sniedzējs).
  • Sagatavota metodika (koksnes vainu vērtēšanas metodoloģija – esošais un jaunais process automatizējot)
  • Definētas tehnoloģiskās prasības datu plūsmas procesam.
  • Veiktās darbības ļaus uzsākt datu plūsmas procesa izveidi un prototipa integrēšanu ar informācijas sistēmām.
Progresa pārskats uz 30.09.2025
Aktivitāte Nr. 1: Kokmateriālu saiņa garuma transportlīdzeklī mērīšanas automatizācija – izstrāde: 1.2 posms.
  • Veikta matemātisko modeļu (funkciju) aprobēšana, atlasot piemērotākās funkcijas saiņu garuma korekcijas prognozēšanai.
  • Izstrādāta saiņu garumu transportlīdzeklī izmaiņu automatizācijas funkcionalitāte.
  • Funkcionalitāte ieviesta testa vidē.
  • Veiktās darbības ļaus uzsākt izstrādātās funkcionalitātes ieviešanu un testēšanu produkcijas vidē.
Aktivitāte Nr. 9: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – attēlu ievākšanas prototipa uzstādīšana: 9.2 posms. Prototipa integrēšana ar IS, tai skaitā datu plūsmas procesa izveide
  • Uzstādīts un ar iekšējām IS saintegrēts datu ievākšanas prototips, nodrošinot datu plūsmu.
  • Veikta sākotnējā datu marķēšanas funkcionalitātes pārbaude.
  • Veiktās darbības ļaus uzsākt datu ievākšanu un marķēšanu rudens un ziemas sezonā.
Progresa pārskats uz 31.12.2025
Aktivitāte Nr. 2:
  • Saiņa garuma mērīšanas funkcionalitāte ieviesta un testēta produkcijas vidē
  • Izvērtēta funkcionalitātes ietekme uz tilpuma noteikšanas novirzi
Aktivitāte Nr. 3:
  • Veikta izpēte un sagatavoti matemātiskie modeļi atkarībā no sortimenta veida automātiskai tilpīguma koeficienta noteikšanai
  • Sagatavota prasību definīcija izstrādei
  • Veikta cenu aptauja, izvēlēts izstrādes ārpakalpojuma sniedzējs
Aktivitāte Nr. 10: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – datu ievākšana (rudens un ziemas sezona)
  • Ievākti dati par 246 dažādu sortimentu kontrolsaiņiem
  • Ievākta saiņu sānu skatu datu kopa – 5479 attēli
  • Ievākta saiņu pretskatu datu kopa – 4320 attēli
Aktivitāte Nr. 12: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – datu marķēšana un mašīnmācīšanās (rudens un ziemas sezona)
  • Saiņu sānu datu kopā atlasīts un marķēts 941 attēls
Progresa pārskats uz 30.06.2026
Aktivitāte Nr. 4: FW tehnoloģijas tilpīguma koeficienta noteikšanas automatizācija – testēšana
  • Izstrādāta un produkcijas vidē pārbaudes režīmā ieviesta FotoWeb (FW) tilpīguma koeficienta automātiskas noteikšanas funkcionalitāte
  • Uzsākta funkcionalitātes precizitātes pārbaude atbilstoši LVS 82:2024 – analizēti 30 kontrolsaiņi
  • Pabeigtās darbības ļauj veikt FotoWeb (FW) tilpīguma koeficienta automātiskas noteikšanas funkcionalitātes pārbaudi produkcijas vidē uz mērījumu un kontrolmērījumu produkcijas datiem
Aktivitāte Nr. 5: KF tehnoloģijas tilpīguma koeficienta noteikšanas automatizācija – izstrāde
  • Sagatavota prasību definīcija KpDC Frame (KF) tilpīguma koeficienta noteikšanas automatizācijas izstrādei
  • Veikta cenu aptauja, lai izvēlētos funkcionalitātes izstrādes ārpakalpojumu sniedzēju
  • Izstrādāta un testa vidē ieviesta KpDC Frame (KF) tilpīguma koeficienta automātiskas noteikšanas funkcionalitāte
  • Pabeigtās darbības ļauj uzsākt KpDC Frame (KF) tilpīguma koeficienta automātiskas noteikšanas funkcionalitātes testēšanu un ieviešanu produkcijas vidē
Aktivitāte Nr. 11: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – datu ievākšana (pavasara un vasaras sezona)
  • Ievākti dati par 147 dažādu sortimentu kontrolsaiņiem
  • Ievākta saiņu sānu skatu datu kopa – 94 843 attēli
  • Ievākta saiņu pretskatu datu kopa – 70 587 attēli
  • Uzsākta datu apkopojuma par pavasara un vasaras sezonu sagatavošana (11. un 13. aktivitātes atskaite – datu apkopojums)
Aktivitāte Nr. 13: Kvalitātes klases un raksturlielumu automatizēta vērtēšana attēlos – datu marķēšana un mašīnmācīšanās (pavasara un vasaras sezona)
  • Saiņu sānu datu kopā atlasīti 73 913 un marķēti 64 562 attēli
  • Marķēšanā identificēta 33 191 koksnes vaina sešos vainu veidos
  • Uzsākta datu apkopojuma par pavasara un vasaras sezonā marķēto datu kopu sagatavošana (11. un 13. aktivitātes atskaite – datu apkopojums)
  • Uzsākta mašīnmācīšanās modeļa izstrāde – veikta cenu aptauja, lai izvēlētos izstrādes ārpakalpojuma sniedzēju