The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 82 of 127
Back to Result List

Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung

  • 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.

Export metadata

Additional Services

Search Google Scholar
Metadaten
Author:Anton Bernöcker, Nina Leiter, Maximilian Wohlschläger, Martin Versen
DOI:https://doi.org/https://doi.org/10.33968/2022.11
Parent Title (German):Tagungsband AALE 2022, 18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022
Document Type:Conference Proceeding
Language:German
Publication Year:2022
Tag:FD-FLIM; Fluoreszenz; Fluoreszenzabklingzeit; Holzart; Klassifizierung; Neuronales Netz
First Page:115
Last Page:124
faculties / departments:Fakultät für Ingenieurwissenschaften