FNR

Lernfähige Software zur Eindämmung des illegalen Holzeinschlags

Digitale Bilderkennungssysteme könnten die gesetzliche Kontrollen zur Deklarationspflicht bei Papier und Fasermaterialien erleichtern.

Mit künstlicher Intelligenz ausgestattete Bilderkennungssysteme sollen künftig die Überprüfung der zur Herstellung von Papier und Faserplatten verwendeten Holzarten unterstützen, um den Handel mit illegal geschlagenem Holz effektiv zu unterbinden.

Wissenschaftler des Johann Heinrich von Thünen-Instituts für Holzforschung und des Fraunhofer-Instituts für Techno- und Wirtschaftsmathematik (ITWM) sind seit Juni 2021 mit der Entwicklung automatisierter digitaler Bilderkennungssysteme zur Holzartenbestimmung befasst. Das Forschungsprojekt KI_Wood-ID wird vom Bundesministerium für Ernährung und Landwirtschaft (BMEL) gefördert.

Künstliche Intelligenz wertet mikroskopische Präparate-Scans aus

Zellpräparat

Zellpräparat aus Eukalyptusholz zur Holzartenbestimmung. Je Probe aus Papier oder Faserstoffen müssen ca. 1000 Zellen verglichen werden. (Bildquelle: Thünen-Institut für Holzforschung/S. Helmling)

Zur Bestimmung der Holzarten ziehen die Holzanatomen des Thünen-Institutes die Analyse von Zellelementen und morphologischen Strukturmerkmalen einzelner Zelltypen in Laub- und Nadelhölzern heran. Für die lernfähigen Bilderkennungssysteme werden von relevanten Hölzern der Papierindustrie mikroskopische Präparate und Bilder erstellt, die als Referenzdaten in eine eigens aufzubauende Bilddatenbank eingescannt werden.

Die vom Fraunhofer-Institut zu entwickelnde Software wird, basierend auf umfänglichen Referenzdatenbanken, auf die Bestimmung mikroskopischer Aufnahmen von Faserproben trainiert.

Für den Einsatz im Prüflabor werden aus Faserproben – zunächst von Papier und Papierprodukten – Zellbestandteile ausgelöst, gefärbt und mikroskopische Präparate hergestellt. Zur Holzartenbestimmung werden die Präparate vom Bilderkennungssystem lichtmikroskopisch analysiert und mit der Datenbank abgeglichen.

Die Wissenschaftler streben nach Projektende die Weiterentwicklung der Bilderkennungssysteme für ähnlich gelagerte mikroskopische Bestimmungen – etwa von Holzkohle oder Massivhölzern an.

Mit den automatisierten Systemen kann der Zeitaufwand für Beprobungen minimiert, die Überwachung international gehandelter Hölzer oder Holzprodukte intensiviert und die Kontrolle der Deklarationspflichten im Handel erleichtert werden.