Im Rahmen des Forschungsprojektes NATSCAN, gefördert vom Bundesministerium für Bildung und Forschung, wurde eine Software entwickelt zur Erkennung und Klassifizierung von Holzfehlern in Rindenstrukturen, Wood Flaw Finder (WFF). Wie z.B. Astnarben, Blitzleiste, Wimmerwuchs, Mondgrade etc. .

Als Grundlage dienen 2D-Grauwert-Bilder, die aus Laser-Scan-Bilddaten von stehenden Bäumen abgewickelt werden.

Die Erkennung und Zuordnung der Holzfehler erfolgt in mehreren Verarbeitungsschritten:

Segmentierung der Bilder in Regionen

• Zu Beginn werden die Bilder in Regionen segmentiert, potentielle Fehlerregionen werden farblich markiert

Merkmalsextraktion der potentiellen Fehlerregionen

• Für jede Fehlerregion werden Merkmale berechnet. Die Anzahl und Typ der Merkmale wird vom Benutzer aus einer Liste ausgewählt – Intensität, Rundheit, Cooccurence o.ä.
• Zur Entscheidungsfindung, ob das gewählte Merkmal geeignet ist, bietet das WFF eine grafische Hilfestellung

Trainieren des Neuronalen Netzes

• Es wurde eine mehrschichtige, vorwärtsgerichtete Netzwerkstruktur realisiert. Dieses Modelle ist gut geeignet, um Mustererkennungen zu realisieren
• Die Anzahl der verwendeten Knoten und Schichten kann vom Benutzer bestimmt werden
• Ein grosser Vorteil stellt die Lernfähigkeit von Neuronalen Netzen dar. Dabei ist das NN in der Lage Entscheidungsregeln auszubilden, deren Gültigkeit über die Trainingsdaten hinausgehen und somit von allgemeiner Bedeutung sind
• Es wurde ein sog. überwachtes Lernen realisiert

Automatische Holzfehler-Klassifizierung der Fehlerregionen

• Mit den zuvor gelernten Entscheidungsregeln wird eine automatische Klassifikation der Holzfehler von weiteren Baumschäften durchgeführt

Manuelle Korrektur

• Nicht oder falsch klassifizierte Regionen können vom Benutzer manuell korrigiert werden. Dieser korrigierte Datensatz wird im NN wieder zum Lernen verwendet. Damit wird die Fehlererkennung stetig verbessert
• Wird ein Fehler von der Software in mehrere Teilregionen zerstückelt, so kann manuell mittels eines Polygons die Zusammengehörigkeit wiederhergestellt werden. – Ein wichtiges Hilfsmittel bei der Fehlerzuordnung

Dokumentation

• Zur Dokumentation und weiteren Verwendung werden die Ergebnisse in einer Datei gespeichert, als *.txt, *.xml oder im halcon-Format

Weitere Leistungsmerkmale

• Lupenfunktion zum Betrachten von hochaufgelösten Bildern
• Für die Bildverarbeitung wurde halcon der Fa. MVTec verwendet.