@inproceedings{BernoeckerLeiterWohlschlaegeretal.2022, author = {Bern{\"o}cker, Anton and Leiter, Nina and Wohlschl{\"a}ger, Maximilian and Versen, Martin}, title = {Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung}, series = {Tagungsband AALE 2022, 18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022}, booktitle = {Tagungsband AALE 2022, 18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022}, doi = {https://doi.org/10.33968/2022.11}, pages = {115 -- 124}, year = {2022}, abstract = {Holz ist ein vielseitig einsetzbarer nachwachsender Rohstoff. Neben seinem wirtschaftlichen Nutzen ist er f{\"u}r den Erhalt des Klimas unersetzlich. Eine sortenreine Sortierung f{\"u}r die Weiterverarbeitung von Altholz spielt f{\"u}r einen ressourcenschonenden Umgang eine wichtige Rolle. Um das Potenzial eines neuronalen Netzwerks basierend auf Messdaten der bildgebenden Fluoreszenzabklingzeitmessung f{\"u}r die Altholzsortierung aufzuzeigen, wurden zwei unterschiedliche Klassifikationsans{\"a}tze auf Basis der Programmiersprache Python gew{\"a}hlt. Die Ergebnisse zeigen, dass die bildbasierte Klassifizierung der Holzart mit einer Genauigkeit von 47,36 \% noch ausbauf{\"a}hig ist. Eine datenbasierte Klassifizierung der Holzart mit einer Identifikationsgenauigkeit von 98,28 \% ist dagegen vielversprechend.}, language = {de} } @inproceedings{BernoeckerLeiterWohlschlaegeretal.2022, author = {Bern{\"o}cker, Anton and Leiter, Nina and Wohlschl{\"a}ger, Maximilian and Versen, Martin}, title = {Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung}, series = {18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022}, booktitle = {18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022}, organization = {Hochschule f{\"u}r Technik, Wirtschaft und Kultur Leipzig}, doi = {10.33968/2022.11}, year = {2022}, abstract = {Holz ist ein vielseitig einsetzbarer nachwachsender Rohstoff. Neben seinem wirtschaftlichen Nutzen ist er f{\"u}r den Erhalt des Klimas unersetzlich. Eine sortenreine Sortierung f{\"u}r die Weiterverarbeitung von Altholz spielt f{\"u}r einen ressourcenschonenden Umgang eine wichtige Rolle. Um das Potenzial eines neuronalen Netzwerks basierend auf Messdaten der bildgebenden Fluoreszenzabklingzeitmessung f{\"u}r die Altholzsortierung aufzuzeigen, wurden zwei unterschiedliche Klassifikationsans{\"a}tze auf Basis der Programmiersprache Python gew{\"a}hlt. Die Ergebnisse zeigen, dass die bildbasierte Klassifizierung der Holzart mit einer Genauigkeit von 47,36 \% noch ausbauf{\"a}hig ist. Eine datenbasierte Klassifizierung der Holzart mit einer Identifikationsgenauigkeit von 98,28 \% ist dagegen vielversprechend.}, language = {de} } @inproceedings{DietlmeierRajanLeiteretal.2023, author = {Dietlmeier, Maximilian and Rajan, Aromal Somarajan and Leiter, Nina and Wohlschl{\"a}ger, Maximilian and Versen, Martin}, title = {Klassifizierung von Altholz durch FD-FLIM Bilder mit neuronalen Netzen}, series = {Tagungsband AALE 2023}, booktitle = {Tagungsband AALE 2023}, doi = {10.33968/2023.24}, year = {2023}, abstract = {Holz ist eine der wichtigsten erneuerbaren Ressourcen und kann recycelt werden, wobei derzeit nur unbehandeltes Holz in mehreren Lebenszyklen verwendet werden kann. Allerdings werden in Altholzsortieranlagen meist behandeltes und unbehandeltes Altholz gemischt angeliefert und es gibt keine automatische Klassifizierung zur sortenreinen Sortierung. Fr{\"u}here Studien zeigen, dass behandelte und unbehandelte Holzproben mit Hilfe von bildgebender Fluoreszenzabklingzeit Mikroskopie unterschieden werden k{\"o}nnen. Um den Prozess der Klassifizierung von Altholz anhand von Fluoreszenzabklingzeitbildern zu automatisieren, werden zwei neuronale Netzwerke (NN) evaluiert. Das erste NN ist ein MLP (Multi Layer Perceptron), das das Altholz anhand von Erwartungswert und Standardabweichung eines Fluoreszenzabklingzeitbildes klassifiziert. Das zweite untersuchte NN ist ein CNN (Convolutional Neural Network), das das Holz direkt anhand der Fluoreszenzabklingzeitbilder klassifiziert. Beide Netzwerke sind in Python implementiert, um die sp{\"a}tere Verwendung in einem automatischen Klassifizierungs- und Sortierprozess zu erleichtern. Die Evaluation der NN zeigt vielversprechende Ergebnisse zur automatisierten Klassifikation von Altholz.}, language = {de} } @misc{HeitzmannKallweitBrunnetal.2025, author = {Heitzmann, Sebastian and Kallweit, Stephan and Brunn, Andr{\´e} and Holst, Gerhard and Leiter, Nina and Wohlschl{\"a}ger, Maximilian and Versen, Martin}, title = {Erweiterung eines FD-FLIM Messsystems durch MQTT Anbindung eines Roboters zur automatischen Sortierung von Altholzklassen}, series = {Tagungsband AALE 2025: Menschenzentrierte Automation im digitalen Zeitalter}, journal = {Tagungsband AALE 2025: Menschenzentrierte Automation im digitalen Zeitalter}, doi = {10.33968/2025.16}, pages = {147 -- 156}, year = {2025}, abstract = {Ziel des Projektes Fluoreszenz ID von Altholz (FrIDAH)5 ist die Entwicklung eines Demonstrators gewesen, welcher die automatisierte Sortierung von Altholzproben gem{\"a}ß der Altholzverordnung unter Verwendung der Messung von Fluoreszenzabklingzeiten erm{\"o}glicht. In diesem Beitrag werden der entwickelte Messaufbau, die Software, das Automatisierungssystem, sowie der Klassifikator vorgestellt. Die Ergebnisse zeigen, dass die verwendete Technologie zur zuverl{\"a}ssigen Klassifikation von Altholz geeignet ist und f{\"u}r die automatisierte Sortierung angewendet werden kann.}, language = {de} }