Trä-artificiell intelligens - modellering av kvistar med datortomografi (WAI-KnotCT)

Syfte och mål

Kvistar är den viktigaste egenskapen för kvalitén i strukturellt och utseendesorterat sågat virke. Inom projektet syftar vi till att öka produktionseffektiviteten för både strukturellt och utseendemässigt sågat trä genom att utveckla innovativa och unika algoritmer för att detektera kvistar baserade på metoder för artificiell intelligens (AI) och röntgenbaserad datortomografi (CT).

Förväntade effekter och resultat

Industriell CT-skanning av stockar blir alltmer ett utbrett verktyg i sågverksproduktionen och har visat sig avsevärt öka volymen av sågat virke av hög kvalité. Ändå finns det stor potential i att förbättra dess noggrannhet. De nya AI metoderna kommer att möjliggöra mer exakta data om den interna kviststrukturen hos stockar som kan användas för att bedöma och optimera skogsdrift och förädlingsprocesser i träindustrin.

Planerat upplägg och genomförande

Projektet är uppdelat i 9 WPs som täcker olika nivåer av bearbetningskedjan; centralt är kviststrukturen och att koppla trädets tillväxtegenskaper med de mekaniska träegenskaperna (styrka och styvhet). Sex institutioner och företag är involverade i det treåriga projektet med ett flertal datainsamlingar i samarbete med varandra. Kunskap och AI modeller kommer att delas mellan parterna samt göras tillgängliga efter projektet.