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.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:77636 |
| Date | 27 January 2022 |
| Creators | Bernöcker, Anton, Leiter, Nina, Wohlschläger, Maximilian, Versen, Martin |
| Contributors | Hochschule für Technik, Wirtschaft und Kultur Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | info:eu-repo/semantics/publishedVersion, doc-type:conferenceObject, info:eu-repo/semantics/conferenceObject, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 978-3-910103-00-9, urn:nbn:de:bsz:l189-qucosa2-775789, qucosa:77578 |
Page generated in 0.0017 seconds