Automatisierte Bilderkennung für die Holzartenbestimmung

Hintergrund und Zielsetzung

Zur Förderung entwaldungsfreier Lieferketten werden am Thünen-Kompetenzzentrum Holzherkünfte die verwendeten Holzarten in Produkten bestimmt. Routinemäßig werden dabei Schnittpräparate von Holz und bei Faserstoffen wie Papier vereinzelte Zellen lichtmikroskopisch untersucht und mit hohem Zeitaufwand von Expert*innen begutachtet. Automatisierte Bilderkennungssysteme können hier eine enorme Arbeitserleichterung und Zeitersparnis bedeuten.

Im Projekt werden gemeinsam mit dem Fraunhofer-Institut ITWM maschinell lernende Systeme trainiert. Die erfolgreich entwickelten Systeme für die Erkennung der Laubhölzer aus dem Vorgängerprojekt KI_Wood-ID werden im Projekt WoodFiberID durch zusätzliche Nadelholzsysteme ergänzt werden. Gemeinsam werden diese in einer Bildauswertungs-Software zusammengeführt, mit der mikroskopische Aufnahmen von Papierpräparaten analysiert werden können. Die Ergebnisse werden wissenschaftlich veröffentlicht und allen Prüfinstituten zur Kontrolle des international gehandelten Holzes zur Verfügung gestellt werden.

Zielgruppe

Behörden, Wissenschaft, Holzhandel und Verbraucher

Vorgehensweise

Für eine Auswahl relevanter Hölzer werden Proben aus der wissenschaftlichen Sammlung und weiterer belegter Quellen zu realistischen Trainings- und Testpräparaten verarbeitet. Im eigens für das Vorgängerprojekt beschafften Scanning-Mikroskop können 100 Objektträger gleichzeitig eingelegt werden. Automatisiert werden dann mikroskopische Aufnahmen in mehreren Fokusebenen über die gesamte Präparat-Fläche angefertigt und so digital erfasst. Diese Bilder stellen die wichtige Datengrundlage des Projekts dar. In ihnen werden die charakteristischen Strukturmerkmale markiert, die für die Erkennung der Holzarten durch Holzanatomen wesentlich sind. Damit werden am ITWM maschinell lernende Systeme trainiert und validiert.

Mikroskopische Bilder von Faserstoffen können bereits vom im Vorgängerprojekt entwickelten ersten Prototyp einer Benutzeroberfläche analysiert werden. Die maschinell lernenden Systeme können bereits elf Laubhölzer identifizieren, mit deren Referenzen sie  trainiert wurden. Unten sieht man, wie zunächst die für die Erkennung wichtigen Zellen im Bild detektiert und diese anschließend klassifiziert werden. Die identifizierten Zellen können dann von Holzanatomen auf Plausibilität geprüft werden.

Im aktuellen Projekt stehen nun die Nadelhölzer und Nichtholz-Rohstoffe, wie z.B. Gräser und Zuckerrohr-Bagasse, die zunehmend in Faserstoffen Verwendung finden, im Fokus. Gerade für die Nadelhölzer müssen dafür ganz eigenständige Modelle trainiert werden, weil ein ganz anderer Zelltyp für die Erkennung der Holzart herangezogen werden muss.

Unsere Forschungsfragen

Sind auch Nadelhölzer und Nichtholzfasern mit Machine Learning in Fasermaterialien zu identifizieren?

Links und Downloads

Projektpartner Fraunhofer Institut ITWM