KI-basierte Bewertung der Holzqualität von Rundholz

Die Holzqualität ist ein entscheidender Faktor für Wertschöpfung, Ressourceneffizienz und Erlöse in der Forst- und Sägeindustrie. Sie bestimmt maßgeblich, wie Rundholz vergütet, weiterverarbeitet und eingesetzt werden kann. In vielen kleinen und mittleren Sägewerken erfolgt die Bewertung der Holzqualität und die anschließende Holzsortierung jedoch noch überwiegend manuell durch visuelle Inspektion. Dieser Prozess ist zeitintensiv, stark personalabhängig und wird angesichts des zunehmenden Fachkräftemangels zunehmend zum Engpass. Hochpräzise Systeme wie Röntgen- oder CT-Scanner liefern zwar detaillierte Informationen über den inneren Stammaufbau, sind für diese Zielgruppe jedoch häufig zu teuer, platzintensiv und aufwendig in der Integration.

Vor diesem Hintergrund entwickelt das Projekt »DatMuSSS – Datengetriebene Multimodale Sortierung von Stammholz im Sägewerk« eine KI-basierte Lösung zur automatisierten Bewertung der Holzqualität von Rundholz, die speziell auf die Anforderungen kleiner und mittlerer Sägewerke ausgerichtet ist. Damit sollen Stämme zuverlässig den für den Betrieb relevanten Sortierklassen zugeordnet und die Holzsortierung objektiv unterstützt werden – bei deutlich geringerer Systemkomplexität und Investitionshöhe als bei etablierten High-End-Lösungen.

Im Mittelpunkt steht die Entwicklung einer kosteneffizienten Retrofit-Lösung, also eines nachrüstbaren Systems für bestehende Anlagen. Dieses soll ohne grundlegende Umbauten in vorhandene Sägewerkslinien integrierbar sein und perspektivisch eine wirtschaftlich attraktive Alternative zu CT- oder Röntgensystemen darstellen.
 

Ganzheitliche Bewertung der Holzqualität

Für die Sortierung von Rundholz sind Merkmale wie Äste, Innenfäule und Hohlräume von zentraler Bedeutung. Während sich äußere Merkmale visuell erfassen lassen, bleiben innere Defekte bei einer reinen Oberflächenanalyse häufig verborgen. DatMuSSS adressiert diese Einschränkung, indem die Bewertung der Holzqualität gezielt um akustische Informationen ergänzt wird und damit über klassische Sichtprüfung hinausgeht. Auf diese Weise wird eine fundierte Grundlage für eine präzisere und konsistentere Holzsortierung geschaffen.

Das System kombiniert mehrere Sensorquellen: Kameras erfassen Stirnseiten und Draufsichten der Stämme und liefern Informationen zu äußerlich sichtbaren Qualitätsmerkmalen. Ergänzend wird jeder Stamm auf dem Förderband impulshaft angeregt. Die entstehenden Luft- und Körperschallsignale werden aufgezeichnet und mit datengetriebenen Methoden ausgewertet, um qualitätsrelevante innere Strukturmerkmale wie Hohlräume oder Innenfäule in die Klassifikation einfließen zu lassen. Zusätzlich werden vorhandene Laserscanner-Daten zu Form und Dimension der Stämme genutzt und in die Bewertung der Holzqualität einbezogen.

 

KI-gestützte Sortierung im laufenden Betrieb

Die Auswertung der Sensordaten erfolgt vollständig KI-basiert. Die manuelle Sortierung durch erfahrene Sägewerksmitarbeitende dient als Referenz für das Labeling der Daten und bildet die Grundlage für das Training der Modelle. Ziel ist eine direkte Klassifikation der Holzqualität in die relevanten Sortierklassen, um die Holzsortierung im laufenden Betrieb objektiv zu unterstützen, ohne physikalische Einzelgrößen interpretieren zu müssen. Die Analyse ist so ausgelegt, dass sie mit den üblichen Taktzeiten im realen Sägewerksbetrieb kompatibel ist und den laufenden Prozess nicht unterbricht. Angestrebt wird eine Fehlklassifikationsquote von unter einem Prozent vergleichbar mit der manuellen Sortierung durch Fachpersonal.

 

Aufgabenbereich Fraunhofer IDMT

Das Fraunhofer IDMT entwickelt die akustikbasierte Sensorik und die KI-Methoden zur automatisierten Bewertung der Holzqualität von Rundholz. Dazu konzipiert das Institut das akustische Messsystem einschließlich Anregung, Sensorik und Schallunterdrückung, erstellt multimodale Datensätze aus Akustik-, Bild- und Laserdaten und trainiert KI-Modelle zur zuverlässigen Klassifikation der relevanten Sortierklassen. Die entwickelten Verfahren werden in einen Demonstrator integriert und unter realen Bedingungen im Sägewerksbetrieb validiert.