Wood K plus, Standort Tulln Universität f. Bodenkultur, UFT – Universitäts- u. Forschungszentrum Tulln, Konrad-Lorenz-Straße 24, 3430 Tulln, Österreich
KOSTENLOS für Unternehmen aus der EU bis 3000 Mitarbeiter:innen
Dr. Sarah Ritter
Wood K Plus
Dr. Martin Riegler
Wood K Plus
DI Birger Bartuska
Wood K Plus
Bis 18.Juli 2024
8 Unternehmen mit jeweils 1-2 Teilnehmenden
Bis zu 3000 Mitarbeiter:innen
weitere Termine online
Die noch immer geringe stoffliche Verwertung von Altholz in der Holzwirtschaft ist unter anderem damit begründet, dass Altholz ein sehr heterogenes Mischprodukt ist und damit die Weiterverarbeitung sehr herausfordernd. Mit dem Wissen über die Menge von z.B. Spänen aus Faserwerkstoffen in der Spanmischung, wäre es möglich den Prozess auf Veränderungen der Spanmischungen anzupassen und zu lernen wie der Anteil verschiedener Altholzklassen sich auf die Qualität des Produktes auswirkt.
Somit könnte der Altholzanteil in der Produktion deutlich erhöht werden und Holz somit länger im stofflichen Kreislauf gehalten.Das Prototype Bootcamp beschäftigt sich mit der Nutzung von 3D Bildrohdaten eines Laserlinienscanners, die bei der dreidimensionalen Vermessung von Partikeln als bisher ungenutzte Rohdaten gespeichert werden. Im Rahmen des Bootcamps wird ein Deep Learning Auswertealgorithmus zur Klassifizierung von Altholzsortimenten entwickelt und mit erhobenen Bilddaten validiert. Der Informationsaustausch und Wissenstransfern mit den Teilnehmenden wird über online Veranstaltungen und eine abschließende Demonstration vor-Ort in Tulln erfolgen.
Das Programm wird im Rahmen der European Digital Innovation Hubs in Österreich abgehalten und ist von der FFG, dem BMAW und der Europäischen Kommission gefördert.
Ziel ist es aus 3D Daten von Altholzspänen einzelne Objekte zu erkennen und definierten Altholzklassen zuzuordnen. Somit soll es möglich sein die Anteile an zuvor definierten Altholzklassen in der Spanmischung bestimmen zu können.
Des Weiteren wird erwartet den Deep Learning Auswertealgorithmus so zu gestalten, dass die Ergebnisse diese Bootcamps auch auf andere Anwendungen zur Klassifizierung von kleinen Objekten aus 3D Daten mit möglichst geringem Weiterentwicklungsaufwand zu ermöglichen.
Ein weiteres Ziel ist es Wissen im Bereich der Datenauswertung mit Methoden des maschinellen lernens zu vertiefen und weiter zu vermitteln.
Altholz- bzw. Restholzverarbeitung, Sägewerke, Holzbau, Tischlereien, Messtechnikhersteller, außerdem alle an der 3D Partikel-Analyse interessierten Unternehmen aus der Holz- und Forstwirtschaft, der Landwirtschaft und der Energiewirtschaft