O+P Fluidtechnik 11-12/2023

FORWARDER-ASSISTENZSYSTEM
HOLZERNTE MIT
KÜNSTLICHER
INTELLIGENZ
Die Nutzung von Methoden der künstlichen Intelligenz (KI) wird derzeit
in vielen Anwendungen erforscht, so auch am Institutsteil Mobile
Arbeitsmaschinen (Mobima) des Karlsruher Instituts für Technologie KIT.
Entwickelt wurde hier ein System zur automatischen Erkennung und
zum Greifen von Baumstämmen. Die zukunftsweisende Forwarder-
Anwendung war ein Forschungsprojekt im Bereich der Forsttechnik.
MOBILE MASCHINEN
Ein Fachkräftemangel ist heute in allen Bereichen der Industrie
zu beobachten, so auch in der Forstwirtschaft. Zudem
hat sich gezeigt: Ein Fahrer eines Forwarders (Tragschlepper)
muss neun Monate angelernt werden, bevor er
produktiv mit der Maschine arbeiten kann [1]. Auch wenn das
Laden von Baumstämmen einfach aussieht, so stellt es doch hohe
Anforderungen an den Maschinenbediener. Es darf beispielsweise
nicht in den Boden gegriffen werden oder der Schwerpunkt
der Stämme muss getroffen werden.
Es ist daher naheliegend, den Fahrer bei dieser Aufgabe zu unterstützen.
Möglich wird dies durch den Einsatz von Methoden
der KI, konkret mit Verfahren aus der Bilderkennung.
KI LERNT AN REALEN EINSCHLAGSSZENARIEN
In einem ersten Schritt war es notwendig, liegende Baumstämme
erkennen zu können und deren exakte Schwerpunktlage zu bestimmen.
Um Objekte sicher erkennen zu können, muss die KI
Prof. Dr.-Ing. Marcus Geimer, Institutsleiter am Karlsruher Institut für
Technologie (KIT), Institutsteil Mobile Arbeitsmaschinen (Mobima)
Dr.-Ing. Chris Geiger hat 2022 am KIT zu dem Thema promoviert
mit einer Vielzahl von Bildern trainiert werden, das gilt insbesondere
für KI-Methoden zur Bilderkennung. Eine solche Anzahl von
Bildern aufzunehmen und zu annotieren, würde sehr viel Zeit
kosten; Bildannotation heißt Zuordnen von Informationen zu einem
Bild. Deshalb wurde im Forschungsprojekt ein auf dem öffentlichen
COCO-Datensatz (330.000 Bilder) vortrainiertes Netz
genutzt, und zwar das YOLACT++ mit einem ResNet-101 als Backbone.
Dieses erkennt heute zuverlässig Gegenstände des Alltags.
Wie aber kann das Netz nun zur Erkennung von Baumstämmen
genutzt werden? Hier wurde sich der Methode des Transfer-Learning
bedient: Die letzten Layer des Netzes wurden mit dem am
KIT erzeugten, forstspezifischen Datensatz MobimaLogs neu trainiert,
der 2.200 Bilder aus realen Einschlagsszenarien im Forst
umfasst. Dies war möglich, da die ersten Layer aus den Bildern
Merkmale, wie z. B. Linien, Kreise oder ähnliches extrahieren. Erst
in den letzten Layern wird dann die Wahrscheinlichkeit für das
Vorhandensein eines speziellen Objektes ermittelt, etwa eines am
Boden liegenden Stamms oder eines stehenden Baumes.
Wie erfolgreich ein solches Training ist, zeigt Bild 01. Die von
dem KI-System erkannten Objekte sind darin markiert. Durch
das neuronale Netzwerk findet eine Instanzsegmentierung statt.
Es ist ersichtlich, dass nicht nur die Baumstämme selbst erkannt
und klassifiziert werden, sondern auch eine Identifikation jedes
48 O+P Fluidtechnik 2023/11-12 www.oup-fluidtechnik.de