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.
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 |