Automatisierte Bilderkennung für die Holzartenbestimmung

Projekt

 (c) phonlamaiphoto - stock.adobe.com

Entwicklung von automatisierten (digitalen) Bilderkennungssystemen zur Holzartenbestimmung mittels künstlicher Intelligenz

Können Holzarten mittels Machine Learning in Fasermaterialien zweifelsfrei identifiziert werden?
An dieser Frage arbeiten wir im FNR-Projekt in Zusammenarbeit mit dem Fraunhofer-Institut. Das Ziel: automatisierte Bilderkennungssysteme für die Holzartenbestimmung.

Hintergrund und Zielsetzung

Um den Handel mit legalen Rohstoffen zu stärken und die Verbraucher zu schützen, werden am Thünen-Kompetenzzentrum Holzherkünfte die verwendeten Holzarten 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.

Mit Einführung der Europäischen Holzhandelsverordnung (EUTR) 2013 ist der Handel verpflichtet, zur Sicherstellung der legalen Herkunft unter anderem die Art des im Produkt enthaltenen Holzes zu dokumentieren. Im Rahmen des neuen Forschungsvorhabens sollen automatisierte Bilderkennungssysteme mittels künstlicher Intelligenz (KI) entwickelt werden, um die Holzartendeklaration der Hersteller großflächiger überprüfen zu können.

Das Fraunhofer-Institut ITWM bringt seine Expertise ein, indem es die spezifischen Algorithmen entwickelt und die Software mittels maschinellen Lernens trainiert. Die Ergebnisse sollen wissenschaftlich veröffentlicht und allen Prüfinstituten zur Kontrolle des international gehandelten Holzes zur Verfügung gestellt werden.

Zielgruppe

Behörden, Wissenschaft, Holzhandel und Verbraucher

Vorgehensweise

Nach der Auswahl relevanter Hölzer werden diese zu realistischen Trainings- und Testobjekten verarbeitet. Um ideale Ausgangsdaten für das maschinelle Lernen zu generieren, werden sehr viele annotierte Trainingsbilder benötigt. Dazu wird ein Hellfeldmikroskop angeschafft, das automatisiert eine große Anzahl von Objektträgern in sehr guter Auflösung digitalisiert. Alle Bilddaten werden in einer Datenbank organisiert und zum Training und zur Validierung der künstlichen Intelligenz verwendet.

Unsere Forschungsfragen

Sind Holzarten mit Machine Learning in Fasermaterialien zu identifizieren?

Links und Downloads

www.itwm.fraunhofer.de/de/abteilungen/bv/oberflaechen-und-materialcharakterisierung/holzartenbestimmung-ki.html

Thünen-Ansprechpartner


Beteiligte Thünen-Partner


Beteiligte externe Thünen-Partner

  • Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
    (Kaiserslautern, Deutschland)

Geldgeber

  • Fachagentur Nachwachsende Rohstoffe e.V. (FNR)
    (national, öffentlich)

Zeitraum

6.2021 - 5.2024

Weitere Projektdaten

Projekttyp:
Projektfördernummer: 2220HV063A
Projektstatus: läuft

Mikroskopische Aufnahmen von Gefäßelementen der Gattung Betula und Eucalyptus (© Thünen-Institut)