TreeTrace: Rundholz Verfolgbarkeit und Holzqualität mittels heterogener Sensorik

Durch die Prozessoptimierung der Sägeindustrie gibt es mittlerweile ein breites Spektrum an Sensorik welche äußere und innere Stammeigenschaften, unter anderem auch optisch, erfasst. Daraus resultieren Kosteneinsparungen durch optimierte Abläufe und Ausbeutesteigerungen durch Nutzung von stammspezifischem Wissen. Im Bereich der Bildverarbeitung gibt es in diesem Kontext spannende Fragestellungen welche in diesem Projekt behandelt werden. Im vorliegenden Projekt werden zwei Anwendungen betrachtet: Die erste Anwendung beschäftigt sich mit biometrischer Rückverfolgbarkeit zwischen Wald und Sägewerk anhand digitaler Querschnittsbilder. Dies setzt die Verfügbarkeit entsprechender Sensorik im Wald voraus. Durch den Trend zum Einsatz von CT-Technologie im Sägewerk, könnten neben RGB Stammendbildern aus dem Forst auch CT Bilder aus dem Sägewerk zum Einsatz kommen, woraus sich die Frage nach Rückverfolgbarkeit mit unterschiedlichen Bildgebungen ergibt. Die zweite Anwendung dient dazu die Stammqualität mit Hilfe von RGB/CT Querschnittsbildern zu beurteilen, wodurch Qualitätsaspekte im Wald und Sägewerk für die Prozessoptimierung genutzt und vernetzt werden können. Beide Anwendungen teilen sich diverse Aspekte (1) Beide können in einer einzelnen Anwendung miteinander kombiniert werden. Die für die Rückverfolgbarkeit benötigten RGB Querschnittsbilder aus dem Wald können für die Qualitätsbeurteilung verwendet werden und die Qualitätsbeurteilung kann mit den CT Daten im Sägewerk weiter verfeinert werden. Im Gegenzug können die CT Daten aus dem Sägewerk für die Rückverfolgbarkeit genützt werden. (2) Für beide Anwendungen ist es nötig die Querschnittsbilder vorzuverarbeiten und viele der zu extrahierenden Querschnittsmerkmale werden für die Rückverfolgbarkeit als auch in der Qualitätsbeurteilung benötigt. (3) Beide Anwendungen teilen sich die Frage, welche Sensoren am besten geeignet sind und wie Daten von unterschiedlichen Sensoren am besten miteinander kombiniert werden können. Für das Projekt ergeben sich dadurch wertvolle Synergien die für eine effiziente Durchführung von großem Nutzen sind. Für beide Anwendungen kann ein gemeinsames Datenset in der experimentellen Evaluierung verwendet werden. Im Rahmen der Datenakquise können Sensoren für beide Anwendungsbereiche ausgetestet werden. Die mit Grundwahrheiten annotierten Daten können beiderseits verwendet werden und viele Softwarekomponenten der Bildvorverarbeitung (z.B.: Mittenerkennung, Segmentierung, Kontrastverbesserung, ) sowie der Merkmalsextraktion (z.B. Jahrringerkennung, Asterkennung, Reaktionsholzerkennung) können im Verbund entwickelt und für beide Anwendungen verwendet werden. Durch die Anwendung von Algorithmen aus dem Bereich Vision and Machine Learning und dem Fokus auf unterschiedliche Bildgebungen wird dieses Projekt im Bereich der Holzbildverarbeitung und der Verarbeitung der Daten Neuland betreten. Obwohl diese Technologien applikationsspezifisch entwickelt werden, können diese in weiterer Zukunft auch auf andere Anwendungen im Bereich der Holzbildverarbeitung und andere ähnliche Gebiete übertragen werden.

In diesem Projekt wurde die Umsetzung der Rückverfolgbarkeit von Rundholz mithilfe von Fingerprint Technologien analysiert und anhand von Beispielen durchgeführt. Dazu wurden geeignete Bilderzeugende Methoden angewandt und Algorithmen zur Wiedererkennung der Rundholzstämme entwickelt. Für die Datengewinnung wurden die aktuellen Technischen Möglichkeiten von transportablen Kamerasystemen genauso verwendet wie industrielle Computertomographie bis hin zu Multispektralen Scanning-Systemen. Die Ergebnisse zeigen, dass sich in spezifischen Frequenzbereichen des Lichts (vom Röntgen, über Ultraviolett, sichtbares Licht und Infratrot) bestimmte Informationen gewinnen lassen. Die richtige Kombination der Frequenzbereiche mit spezifischen Auswertealgorithmen (z.B. auf Basis von Convolutional Neural Networks) führen zu klaren Aussagen, welche Technologien geeignet sind, in der Zukunft die Rückverfolgbarkeit von Rundholz auf Basis von Fingerprint Methoden ermöglichen werden.