ForestTimeMachine
Wir wollen eine visuelle Historie zur Walddynamik erstellen, anhand von hochaufgelösten 360° Bildern sowie mittels automatischer Objekterkennung wesentliche Kenngrössen für die Bewirtschaftung berechnen.
Factsheet
-
Schools involved
School of Agricultural, Forest and Food Sciences
School of Engineering and Computer Science -
Institute(s)
Multifunctional Forest Management
Institute for Cybersecurity & Engineering (ICE) -
Research unit(s)
Forest Ecosystem and Management
ICE / Cyber Threat Intelligence - Funding organisation BFH
- Duration 01.01.2018 - 31.12.2018
- Head of project Prof. Dr. Christian Rosset
-
Project staff
David Paul Coutrot
Prof. Dr. Ulrich Fiedler
Prof. Dr. Christian Rosset
Viola Sala
Valère Martin
Manuel Kohler -
Partner
Forstbetrieb der Burgergemeinde Bern
BFH Technik und Informatik - Keywords 360° Bilder, digitale Zwillinge, Bildverarbeitung, Objekterkennung
Situation
Ziel ist die Erarbeitung eines Aufnahmenverfahrens für 360° Fotospähren. Entwicklung einer auf Objekterkennung basierten Toolbox zur (teil-)automatisierten Quantifizierung des Zustandes. Bereitstellung und Verwaltung von digitalen Zwillingen.
Course of action
Durch das Projekt werden vorhandene Tools und Kompetenzen in der Bilderfassung und -verarbeitung genutzt, um eine digitale Historie der Walddynamik von innen zu erstellen und über Objekterkennung biologische Kenngrössen automatisiert zu berechnen. Damit ist die Grundlage zur Erstellung von digitalen Zwillingen gelegt. Dies ist nicht nur für Holzproduktion relevant, sondern auch für zunehmend wichtiger werdende Bereiche, wie Waldökologie und Waldbiodiversität.
Result
Zweckmässige und effiziente Aufnahmeverfahren für 360° Bilder über grosse Flächen und erste (teil-) automatisierte Tools zur Informationsgewinnung aus den Bildern. Bis 2019 haben wir uns auf die Akquisition der drei folgenden Projekte konzentriert : habitat.sylvotheque.ch, maforet.ch, martelage.sylvotheque.ch 2. Das Potenzial des Forest Time Machine Projekts ist jedoch größer und wir werden den Akquisitionsaufwand in Richtung Machine Learning und Waldinventur fortsetzen.
Looking ahead
FTM hat das Potential, eine attraktive Alternative zum terrestrischen, meist kostspieligen Waldinventurverfahren zu werden, aber auch zur Effizienzsteigerung bei der Lenkung und Kontrolle der biologischen Prozesse.
