Entwicklung von automatisierten (digitalen) Bilderkennungssystemen zur Holzartenbestimmung mittels künstlicher Intelligenz

Abstract

Das Projekt KI_Wood-ID konnte im Förderzeitraum sehr gute Erfolge erzielen. In diesem Zeitraum haben wir es geschafft, die Bilddatensatzerhebung zu etablieren, zwei Künstliche Intelligenz (KI)-Modelle auf die automatisierte Erkennung der für die Papierherstellung wichtigsten Laubhölzer zu optimieren und die Anwendung in eine Benutzeroberfläche zu integrieren. Für die Erkennung von Nadelhölzern liegen ebenfalls erste Ansätze vor. Von Laub- und Nadelhölzern wurden 113 Holzproben von 21 Gattungen mazeriert. Je Mazerat wurden mindestens 20 Objektträger präpariert und davon 20 mikroskopische Großaufnahmen erstellt (ca. 8 cm2 mit der Auflösung von ca. 53818 x 31282 Pixeln aus 406 Einzelbildaufnahmen in fünf Fokusebenen zusammengesetzt). Der Dateiname der Bilder enthält alle wichtigen Informationen. Die aufgenommenen Bilder wurden in einer Bilddatenbank organisiert. Die Datenbank speichert nur Verweise auf die Bilddaten und ergänzt diese mit Metadaten. Siehe auch AP 7. Um die maschinell lernenden Systeme geleitet trainieren zu können, musste zunächst für die Laubhölzer der Zelltyp mit den meisten Erkennungsmerkmalen - die Gefäßelemente - annotiert werden. Mit den annotierten Bildern einer größeren Auswahl von Laubhölzern wurde die Erkennung unterschiedlicher Gefäßelemente trainiert (Detektionsschritt) und an den fortlaufend neu aufgenommenen Bildern die automatisierte Erkennung erprobt. Die Detektion von Gefäßelementen funktioniert sehr gut. Die Vorhersagen der Gefäßpositionen (predictions) wurden am TI gecheckt und flossen dann als Trainingsdaten für eine neue Version der Detektion ein (ITWM). Zum Ende des Projekts arbeiteten wir mit Version 8. Für ca. 1000 Laubholzbilder wurden diese automatisch erzeugten Annotationsdateien (in der Datenbank markiert als predictions) durch das TI kontrolliert (predictions checked). Im Vergleich zu der manuell erstellten Annotation war die Kontrolle der am ITWM erstellten Annotationen bereits eine erhebliche Arbeits- und Zeitersparnis. Datei-Upload durch TIB