TY - CHAP A1 - Bernöcker, Anton A1 - Leiter, Nina A1 - Wohlschläger, Maximilian A1 - Versen, Martin T1 - Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung T2 - 18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022 N2 - 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. KW - FD-FLIM KW - Fluoreszenz KW - Fluoreszenzabklingzeit KW - Holzart KW - Neuronales Netz KW - Klassifizierung Y1 - 2022 U6 - https://doi.org/10.33968/2022.11 ER - TY - CHAP A1 - Bernöcker, Anton A1 - Leiter, Nina A1 - Wohlschläger, Maximilian A1 - Versen, Martin T1 - Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung T2 - Tagungsband AALE 2022, 18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022 N2 - 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. KW - FD-FLIM KW - Fluoreszenz KW - Fluoreszenzabklingzeit KW - Holzart KW - Neuronales Netz KW - Klassifizierung Y1 - 2022 U6 - https://doi.org/https://doi.org/10.33968/2022.11 SP - 115 EP - 124 ER - TY - CHAP A1 - Wohlschläger, Maximilian A1 - Versen, Martin T1 - Detektion von Kunststoffen in Wasser mithilfe von Fluoreszenz T2 - 20. GMA/ITG-Fachtagung Sensoren und Messsysteme 2019 N2 - 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. KW - Kunststoffe KW - Umwelt KW - Fluoreszenzmesstechnik KW - Fluoreszenz Y1 - 2019 SN - 978-3-9819376-0-2 SP - 687 EP - 694 PB - AMA Service GmbH CY - Wunstorf ER - TY - CHAP A1 - Wohlschläger, Maximilian A1 - Versen, Martin ED - Bauer, Benedict ED - Wittenberg, Carsten T1 - Bestimmung einer Quanteneffizienz für das automatisierte Sortieren von Kunststoffen durch Fluoreszenz T2 - AALE 2019 - Autonome und intelligente Systeme in der Automatisierungstechnik 16. Fachkonferenz KW - Quanteneffizienz KW - Fluoreszenz Y1 - 2019 SN - 978-3-8007-4860-0 SP - 179 EP - 187 PB - VDE Verlag CY - Berlin ER -