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 - 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 - Dietlmeier, Maximilian A1 - Rajan, Aromal Somarajan A1 - Leiter, Nina A1 - Wohlschläger, Maximilian A1 - Versen, Martin T1 - Klassifizierung von Altholz durch FD-FLIM Bilder mit neuronalen Netzen T2 - Tagungsband AALE 2023 N2 - 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. Frühere Studien zeigen, dass behandelte und unbehandelte Holzproben mit Hilfe von bildgebender Fluoreszenzabklingzeit Mikroskopie unterschieden werden können. 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 spätere Verwendung in einem automatischen Klassifizierungs- und Sortierprozess zu erleichtern. Die Evaluation der NN zeigt vielversprechende Ergebnisse zur automatisierten Klassifikation von Altholz. Y1 - 2023 U6 - https://doi.org/10.33968/2023.24 ER - TY - GEN A1 - Heitzmann, Sebastian A1 - Kallweit, Stephan A1 - Brunn, André A1 - Holst, Gerhard A1 - Leiter, Nina A1 - Wohlschläger, Maximilian A1 - Versen, Martin T1 - Erweiterung eines FD-FLIM Messsystems durch MQTT Anbindung eines Roboters zur automatischen Sortierung von Altholzklassen T2 - Tagungsband AALE 2025: Menschenzentrierte Automation im digitalen Zeitalter N2 - Ziel des Projektes Fluoreszenz ID von Altholz (FrIDAH)5 ist die Entwicklung eines Demonstrators gewesen, welcher die automatisierte Sortierung von Altholzproben gemäß der Altholzverordnung unter Verwendung der Messung von Fluoreszenzabklingzeiten ermöglicht. In diesem Beitrag werden der entwickelte Messaufbau, die Software, das Automatisierungssystem, sowie der Klassifikator vorgestellt. Die Ergebnisse zeigen, dass die verwendete Technologie zur zuverlässigen Klassifikation von Altholz geeignet ist und für die automatisierte Sortierung angewendet werden kann. Y1 - 2025 U6 - https://doi.org/10.33968/2025.16 SP - 147 EP - 156 ER -