Södra logo
phone
email

Forskning för mer effektiv användning av virke

x

De sneda fibrerna i närheten av trädets kvistar orsakar nedsatt hållfasthet i det sågade virket. Genom att skanna plankor och utnyttja artificiell intelligens kan man avgöra kvistarnas betydelse. Det har professor Anders Olsson och hans kollegor på Linnéuniversitetet utnyttjat, bland annat för att ta fram mer träffsäkra metoder för maskinell hållfasthetssortering.

Anders Olsson, professor i byggteknik på Linnéuniversitetet

Att virke med olika egenskaper och kvalitet lämpar sig för olika användningsområden vet de flesta. Under lång tid har man använt skannrar i den träbearbetande industrin, för att sortera virke och ämnen av trä i olika kvalitets- och hållfasthetsklasser. 

På Linnéuniversitetet forskar professor Anders Olsson och kollegorna Osama Abdeljaber, Tadios Habite, Min Hu och Jan Oscarsson, kring metoder för att göra sorteringen ännu mer träffsäker och för att optimera materialutnyttjandet. Inom projektet Modellering av virke och beräkning av mekaniska egenskaper, med finansiering från bland annat Södras forskningsstiftelse, har gruppen på Linnéuniversitetet arbetat med att kombinera kunskap från datortomografiskanning och industriell optisk skanning med artificiell intelligens. 

– Vi gör det för att få ny kunskap om hur vi utifrån det som kan ses på plankors ytor kan dra slutsatser om trämaterialets inre struktur. Och vi vill med våra resultat hjälpa företag att utveckla morgondagens programvara till virkesskannrar för den träbearbetande industrin, säger Anders Olsson.

Kvistar, fiberriktning och märgläge

Anders berättar att det finns några saker som är särskilt viktiga att ha koll på för att bedöma en plankas egenskaper, nämligen hur den är utsågad i förhållande till trädets märg, kvistarnas storlek och placering samt fiberriktningen i trämaterialet.

I en studie undersöktes hur träfibrerna är riktade i trämaterialet som omger kvist. För detta användes mikro-tomografiskanning, det vill säga röntgen i flera riktningar genom materialet, vilket ger en tredimensionell bild av materialets inre struktur. Det är samma teknik som används på sjukhus för att få fram tredimensionella bilder av människokroppen. 

– Vi är först med att ha genomfört en så noggrann undersökning med datortomografi på en enskild kvist i trä, säger Anders Olsson. 

– Det är fascinerande att äntligen kunna studera det komplicerande mönstret av fibrer i området mellan kvisten och det omgivande trämaterialet, och inse hur det förklarar grenens starka förankring i trädet, oavsett i vilken riktning vind och snö belastar grenen. I sågat virke orsakar de sneda fibrerna i närheten av kvistar istället nedsatt hållfasthet, men genom att tillämpa beräkningsmodeller och data ifrån optisk skanning av plankor kan man göra förutsägelser av plankornas hållfasthet. I forskningen har vi utnyttjat detta för att utveckla nya, mer träffsäkra metoder för maskinell hållfasthetssortering som gör det möjligt att utnyttja virkets egenskaper bättre, både när det används som vanligt konstruktionsvirke och när det används i korslimmat trä eller limträ.

Att veta hur kvistar allmänt påverkar fiberorienteringen räcker inte för att förutsäga plankors styrka och andra egenskaper. Man måste också ha information om kvistarnas placering och form inuti plankan. Det kan man få genom att identifiera kvistar på plankornas ytor samtidigt som man vet från vilken del av stocken som plankorna sågades ut. Man behöver alltså ta reda på trädets märgläge i förhållande till varje planka, eftersom alla grenar växer ut ifrån trädets märg. 

Användning av AI

Forskargruppen vid Linnéuniversitetet har lagt ner mycket arbete på att utveckla en metod för att bestämma trädets märgläge längs med plankor. Det har gjorts genom att kombinera modeller för trädets årsringsmönster med bilder från optisk skanning samt tillämpning av artificiell intelligens (AI). Ett neuralt nätverk har tränats upp för att kunna ange märgläget i förhållande till plankans fyra längsgående sidor, baserat på det årsringsmönster som syns på sidorna. 

– Innan det neurala nätverket kan användas måste det först tränas på tusentals plankor där vi ger datorn rätt svar för märgläget. Det är dock näst intill omöjligt att få fram information om det exakta märgläget för tillräckligt många riktiga plankor. Därför utvecklade vi en matematisk modell för att tillverka virtuella plankor, med känt märgläge, som det neurala nätverket sedan fick träna på, innan det användes för att bestämma märgläget på riktiga plankor, berättar Anders Olsson. 

Optimera trämaterialet

Metoden med AI som nu är patentsökt av ett samarbetsföretag fungerar enligt Anders Olsson bra och han ser en utveckling av metoden framför sig. 

– Vi vill utveckla metoden så att vi även kan använda kunskap om strukturer i trämaterial, i kombination med AI, för att identifiera andra saker, till exempel för att kunna skilja på levande och döda kvistar, identifiera toppbrott, sprickor och röta. Allt detta gör man redan i produktionen på sågverk, men det kan göras betydligt bättre. 

– Vi kan bidra till förbättringar så att trämaterialet kan utnyttjas mer optimalt. Virke med de bästa materialegenskaperna ska användas där den höga kvaliteten kommer till nytta, samtidigt som så lite trä som möjligt ska kapas bort och bli spill i förädlingskedjan, säger Anders Olsson.

x
För studien om fiberorientering kring kvistar valdes en gran ut och fälldes (a). Sedan sågades trästycken med kvistar ut (b) och skannades med datortomografi vilket ger tredimensionella bilder av den inre strukturen (c), innan mindre trästycken sågades ut ur de första, större trästyckena. För riktigt smala trästavar, mindre än 1 cm breda, går det att urskilja och visualisera hur de enskilda fibrerna sveper runt och infogas i kvisten (d).
x
Metoden för att fastställa märgläget längs med plankor består av tre delar. Först tillverkas virtuella plankor med hjälp av en datormodell (a). Sedan tränas ett neuralt nätverk för att kunna ange märgläge baserat på bildinformation från de virtuella plankornas sidor (b). Slutligen används det upptränade neurala nätverket för att beräkna märgläget längs med riktiga plankor, när de skannas (c). Informationen om märgläge och bilder ifrån skanning kan sedan också användas för att rekonstruera kvistar inuti plankor (d).

Visa fler nyheter med samma ämne

Ämnen:

Nyhet

Publicerad: