Bättre kvistmätning med röntgen
Industriell CT-skanning av stockar har börjat användas vid storskalig sågverksproduktion och detta har ökat värdeutbytet. Det finns emellertid potential att förbättra denna tekniktillämpning mer genom att öka noggrannheten vid detektion, mätning och beskrivning av t ex kvistars egenskaper.
Kvistarnas storlek, form och typ i stockens 3D-volym är den dominerande träegenskapen som beskriver träkvaliteten på färdigvaran och cirka 80% av alla kvalitetsnedklassningar av sågat virke beror på kvist. Därför krävs så hög precision vid kvistdetektering och karaktärisering som möjligt för att kunna optimera sågningen av varje stock.
Huvudsyftet med detta CT WOOD -projekt är att förbättra noggrannheten vid mätning av kvistar. Kvistarnas storlek, typ och växtsätt i färska stockars splintved har p g a splintvedens vatteninnehåll hittills varit svåra att mäta med röntgen. Hypotesen är att detta kan göras/förbättras genom att kombinera högupplöst laboratoriedata med nya AI-baserade metoder för bildanalys av CT-data. Projektet kommer att systematiskt jämföra CT -mätningar av stam- och kviststruktur i färsk ved med motsvarande i torrt tillstånd i syfte att förbättra algoritmer (kvistmodeller) för kvistdetektion i CT –bilder från färskt timmer.
För att få så stor variation som möjligt i projektets kvistdata kommer tallar avverkas från tre regioner i Sverige och från bestånd med olika boniteter. Databasen kommer att innehålla 24 träd, cirka 120 stockar och 2100 kvistar innehållande CT-data i färskt och torrt tillstånd samt växtplatsens tillstånd.
Projektinformation
Ämne: Kvistars detektion och karakterisering i färsk stamved
Tidsprojekt: augusti 2021 - december 2023
Kontakt
Olof Broman
- Universitetslektor
- 0910-585325
- olof.broman@ltu.se
- Olof Broman
Uppdaterad: