Machine Learning för att bedöma nettovolym av rundved

Syfte och mål

Projektets mål var att undersöka möjligheterna att använda machine learning för att öka automationen av mätning av rundved på bil. Den initiala idén med projektet var att undersöka möjligheten att använda historisk redan tillgänglig data i form av bildmaterial,3D rekonstruktioner samt korrelerade resultat från manuella mätningar för att se om det är möjligt att träna algoritmer att utifrån bilder och 3D rekonstruktioner göra uppskattningar av nettovolymen travat virke med tillräcklig noggrannhet.

Resultat och förväntade effekter

Det verkar gå att uppnå goda resultat för en automatisk mätning av nettovolymen genom att kombinera olika machine learning algoritmer på 3D modellen och bildfiler och att dessa tillsammans kan användas för att uppnå tillräckligt goda resultat. De principer och algoritmer som undersöktes i projektet kommer med stor sannolikhet att kunna implementeras i en kommersiell produkt.

Upplägg och genomförande

Först skapades en allmän domänförståelse kring vilka delar som utgör den totala bedömningen av nettovolymen travat virke på en lastbil samt den data som fanns tillgänglig. De olika delarna angreps sedan med olika algoritmer som både tränades mot en mängd historisk data och verifierades mot en annan mängd. Vissa algoritmer verifierades även i en uppbyggd skalmodell av en anläggning.