Refine
Document Type
Has Fulltext
- no (9)
Is part of the Bibliography
- no (9)
Keywords
- FD-FLIM (2)
- fluorescence (2)
- wood (2)
- Confocal laser scanning microscopy (1)
- FLIM (1)
- Fluorescence lifetime imaging (1)
- Fluoreszenz (1)
- Fluoreszenzabklingzeit (1)
- Holzart (1)
- Image processing (1)
Institute
- Fakultät für Ingenieurwissenschaften (9) (remove)
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.
For sustainable handling of wood and high material utilization, post-consumer wood has to be sorted by post-consumer wood categories in Germany. The non-destructive FD-FLIM method could improve the wood recycling process by automatic classification of waste wood into post-consumer wood classes. Thus, the phase-dependent fluorescence decay time of treated wood is analysed in this study to obtain the impact of the treatment on the fluorescence decay time. It is shown that treated and untreated wood can be differentiated using the fluorescence decay time, although the state-of-the-art theoretical fluorescence decay time differs from the experimentally determined fluorescence decay time.
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.
In this contribution the frequency domain fluorescence lifetime imaging microscopy (FD-FLIM) technique is evaluated for post-consumer wood sorting. The fluorescence characteristics of several wood samples were determined, whereby two excitation wavelengths (405 and 488 nm) were used. The measured data were processed using algorithmic methods to identify the wood species and post-consumer wood category. With the excitation wavelength of 405 nm, 16 out of 19 samples could be correctly assigned to the corresponding post-consumer wood category by means of the fluorescence lifetimes. Thus, the experimental results revealed the high potential of the FD-FLIM technique for automated post-consumer wood sorting.
A Novel Approach to Identify Wood Species Optically using Fluorescence Lifetime Imaging Microscopy
(2021)
This contribution presents the results obtained with fluorescence lifetime imaging microscopy (FLIM)within the optical identification and differentiation of the four wood species walnut, beech, spruce, and maple. The experimental setup as well as the evaluation algorithm, with which the experiments were carried out, is explained briefly.