<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>2039</id>
    <completedYear>2022</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>conferenceobject</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation>Hochschule für Technik, Wirtschaft und Kultur Leipzig</creatingCorporation>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung</title>
    <abstract language="deu">Holz ist ein vielseitig einsetzbarer nachwachsender Rohstoff. Neben seinem wirtschaftlichen Nutzen ist er für den Erhalt des Klimas unersetzlich. Eine sortenreine Sortierung für die Weiterverarbeitung von Altholz spielt für einen ressourcenschonenden Umgang eine wichtige Rolle. Um das Potenzial eines neuronalen Netzwerks basierend auf Messdaten der bildgebenden Fluoreszenzabklingzeitmessung für die Altholzsortierung aufzuzeigen, wurden zwei unterschiedliche Klassifikationsansätze auf Basis der Programmiersprache Python gewählt. Die Ergebnisse zeigen, dass die bildbasierte Klassifizierung der Holzart mit einer Genauigkeit von 47,36 % noch ausbaufähig ist. Eine datenbasierte Klassifizierung der Holzart mit einer Identifikationsgenauigkeit von 98,28 % ist dagegen vielversprechend.</abstract>
    <parentTitle language="deu">18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022</parentTitle>
    <identifier type="doi">10.33968/2022.11</identifier>
    <enrichment key="opus.import.data">@inproceedingsBernocker.09.03.11.03.2022, author = Bernöcker, Anton and Leiter, Nina and Wohlschläger, Maximilian and Versen, Martin, title = Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung, publisher = Hochschule für Technik, Wirtschaft und Kultur Leipzig, isbn = 9783910103009, booktitle = Wissenstransfer im Spannungsfeld von Autonomisierung und Fachkräftemangel, year = 09.03.-11.03.2022, doi = 10.33968/2022.11</enrichment>
    <enrichment key="opus.import.dataHash">md5:23892c0a8bc3f41097af5d15e64bf3b9</enrichment>
    <enrichment key="opus.import.date">2023-02-28T07:19:38+00:00</enrichment>
    <enrichment key="opus.import.file">/tmp/phpKZ8jA0</enrichment>
    <enrichment key="opus.import.format">bibtex</enrichment>
    <enrichment key="opus.import.id">63fdab0a03e2e5.20279389</enrichment>
    <author>Anton Bernöcker</author>
    <author>Nina Leiter</author>
    <author>Maximilian Wohlschläger</author>
    <author>Martin Versen</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>FD-FLIM</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Fluoreszenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Fluoreszenzabklingzeit</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Holzart</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Neuronales Netz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Klassifizierung</value>
    </subject>
  </doc>
  <doc>
    <id>1915</id>
    <completedYear>2022</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>115</pageFirst>
    <pageLast>124</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>conferenceobject</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung</title>
    <abstract language="deu">Holz ist ein vielseitig einsetzbarer nachwachsender Rohstoff. Neben seinem wirtschaftlichen Nutzen ist er für den Erhalt des Klimas unersetzlich. Eine sortenreine Sortierung für die Weiterverarbeitung von Altholz spielt für einen ressourcenschonenden Umgang eine wichtige Rolle. Um das Potenzial eines neuronalen Netzwerks basierend auf Messdaten der bildgebenden Fluoreszenzabklingzeitmessung für die Altholzsortierung aufzuzeigen, wurden zwei unterschiedliche Klassifikationsansätze auf Basis der Programmiersprache Python gewählt. Die Ergebnisse zeigen, dass die bildbasierte Klassifizierung der Holzart mit einer Genauigkeit von 47,36 % noch ausbaufähig ist. Eine datenbasierte Klassifizierung der Holzart mit einer Identifikationsgenauigkeit von 98,28 % ist dagegen vielversprechend.</abstract>
    <parentTitle language="deu">Tagungsband AALE 2022, 18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022</parentTitle>
    <identifier type="doi">https://doi.org/10.33968/2022.11</identifier>
    <author>Anton Bernöcker</author>
    <author>Nina Leiter</author>
    <author>Maximilian Wohlschläger</author>
    <author>Martin Versen</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>FD-FLIM</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Fluoreszenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Fluoreszenzabklingzeit</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Holzart</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Neuronales Netz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Klassifizierung</value>
    </subject>
    <collection role="institutes" number="">Fakultät für Ingenieurwissenschaften</collection>
  </doc>
  <doc>
    <id>1308</id>
    <completedYear>2019</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>687</pageFirst>
    <pageLast>694</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>conferenceobject</type>
    <publisherName>AMA Service GmbH</publisherName>
    <publisherPlace>Wunstorf</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Detektion von Kunststoffen in Wasser mithilfe von Fluoreszenz</title>
    <abstract language="deu">Die wohl größte aktuelle Umweltverschmutzung mit Kunststoffen findet in Ozeanen, Seen und Flüssen statt. Bis jetzt gibt es kein etabliertes Verfahren, mit dem Kunststoffe in Umwelt- bzw. Wassermatrizen detektiert werden können. Deshalb wird mit einem Verfahren, welches auf dem Prinzip der Fluoreszenz basiert, untersucht, ob unter Laborbedingungen Kunststoffe in Wasser detektiert und identifiziert werden können. Anhand eines mathematischen Modells, einer Simulation und mit Hilfe von optischen Experimenten wird gezeigt, dass der Nachweis und auch eine Identifikation von Kunststoffen in Abhängigkeit der Wassertiefe, mit diesem Verfahren möglich ist.</abstract>
    <parentTitle language="deu">20. GMA/ITG-Fachtagung Sensoren und Messsysteme 2019</parentTitle>
    <identifier type="isbn">978-3-9819376-0-2</identifier>
    <enrichment key="RS_Correlation">Ja</enrichment>
    <enrichment key="opus.doi.autoCreate">false</enrichment>
    <enrichment key="opus.urn.autoCreate">false</enrichment>
    <author>Maximilian Wohlschläger</author>
    <author>Martin Versen</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Kunststoffe</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Umwelt</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Fluoreszenzmesstechnik</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Fluoreszenz</value>
    </subject>
    <collection role="institutes" number="">Fakultät für Ingenieurwissenschaften</collection>
    <thesisPublisher>Technische Hochschule Rosenheim</thesisPublisher>
  </doc>
  <doc>
    <id>1259</id>
    <completedYear>2019</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>179</pageFirst>
    <pageLast>187</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>conferenceobject</type>
    <publisherName>VDE Verlag</publisherName>
    <publisherPlace>Berlin</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Bestimmung einer Quanteneffizienz für das automatisierte Sortieren von Kunststoffen durch Fluoreszenz</title>
    <parentTitle language="deu">AALE 2019 - Autonome und intelligente Systeme in der Automatisierungstechnik 16. Fachkonferenz</parentTitle>
    <identifier type="isbn">978-3-8007-4860-0</identifier>
    <enrichment key="RS_Correlation">Ja</enrichment>
    <enrichment key="opus.doi.autoCreate">false</enrichment>
    <enrichment key="opus.urn.autoCreate">false</enrichment>
    <author>Maximilian Wohlschläger</author>
    <author>Martin Versen</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Quanteneffizienz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Fluoreszenz</value>
    </subject>
    <collection role="institutes" number="">Fakultät für Ingenieurwissenschaften</collection>
    <thesisPublisher>Technische Hochschule Rosenheim</thesisPublisher>
  </doc>
</export-example>
