- Titel
- Entwicklung eines neuronalen Netzwerks als Basis zur automatisierten Holzartenerkennung
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:l189-qucosa2-776360
- Konferenz
- 18. AALE-Konferenz. Pforzheim, 09.03.-11.03.2022
- Quellenangabe
- Tagungsband AALE 2022
Herausgeber: Hochschule für Technik, Wirtschaft und Kultur Leipzig
Erscheinungsort: Leipzig
Erscheinungsjahr: 2022
ISBN: 978-3-910103-00-9 - Erstveröffentlichung
- 2022
- DOI
- https://doi.org/10.33968/2022.11
- Abstract (DE)
- 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.
- Freie Schlagwörter (DE)
- FD-FLIM, Fluoreszenz, Fluoreszenzabklingzeit, Holzart, Neuronales Netz, Klassifizierung
- Herausgeber (Institution)
- Hochschule für Technik, Wirtschaft und Kultur Leipzig
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:l189-qucosa2-776360
- Veröffentlichungsdatum Qucosa
- 27.01.2022
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY 4.0