Rätt träd till rätt bräda – effektivare användning av skogen
Kan scanning och AI hjälpa oss att bättre ta till vara skogens resurser? Ett projekt i RE:Source undersöker hur man kan matcha rätt träd med rätt behov, redan innan det sågats upp till brädor.
I dag producerar sågverksindustrin mycket spill – lågvärdiga träprodukter som inte matchar kundens behov, och inte blir sålt utan istället ofta går till förbränning för energi. Ett onödigt användande av en resurs som kunnat leva längre.
– Ur ett miljöperspektiv är det ineffektivt att träprodukter, som har en lång livslängd och kan binda mycket koldioxid, används för energiproduktion direkt efter att man avverkat det, säger Benedikt Neyses, biträdande universitetslektor vid Luleå Tekniska Universitet och projektledare för det RE:Source-finansierade projektet Optimera användningen av Sveriges skogsresurser för att främja den cirkulära bioekonomin.
I dag är informationsflödet från det att trädet anländer från skogen till sågverket och slutligen till kund, inte optimalt för att få ut så mycket virke som möjligt ur trädet. Ofta mäts virkets egenskaper och det får sin kvalitetsklass först efter att man sågat upp det, istället för att man i ett tidigare skede kan ta reda på vilken typ av träbrädor stocken bäst är lämpad för.
Scanningteknik med möjligheter
En lösning på problemet kan vara datortomografi, eller CT-scanning. Då scannas stocken enligt samma princip som när en människa genomgår detaljerad röntgen på ett sjukhus.
– Då kan man se insidan av trädet redan när det kommer från skogen, innan det sågas upp till brädor. Alla kvistar, möjliga defekter och annat som är relevant för kvalitén på slutprodukten, säger Benedikt Neyses.
Det gör stor skillnad både ekonomiskt och för mängden brädor vi får ut av våra svenska träd
Benedikt Neyses, Luleå Tekniska Universitet
Några få sågverk i Sverige har redan den här tekniken och det kommer med största sannolikhet att bli fler. I det här projektet vill man automatisera processen med att scanna stocken och förbättra kvalitén på scanningen. Hittills i projektet har en stor mängd datainsamling skett – runt 800 stocksegment har scannats, vilket har resulterat i att man kunnat bygga upp en av de bästa databaserna som finns på området.
Med hjälp av datan är det möjligt att i nästa steg skapa en skapa en virtuell trästock.
– Vi har med hjälp av maskininlärning lyckats göra tredimensionella volymbilder utifrån bara några få tvådimensionella röntgenfoton. När vi har en 3D-bild av hela stocken kan vi se vad varje pixel är – om det finns en spricka, en kvist eller något annat, säger Benedikt Neyses.
När väl den informationen är på plats kan nästa steg i projektet tas: att skapa en automatiserad algoritm som kan förutse hållfastheten och visa hur en bräda från stocken kan se ut.
– Hur hållfast blir brädan om vi sågar på ett sätt eller ett annat? Men hjälp av algoritmen kan vi förutse slutproduktens kvalitet redan innan vi sågar stocken. För att lyckas behövs avancerade AI-metoder. Därför samarbetar vi med KTH, som är experter på att använda AI i samband med CT-scanning, säger Benedikt Neyses.
Optimal matchning målet
Nästa steg blir att matcha inkommande stockar mot kundens behov, redan innan stockarna skickas igenom sågverksprocessen. På så sätt kan man få ut så mycket som möjligt av de skogsresurser som används.
För det är stora volymer skog det rör sig om, och bara några procentpunkters högre användande kan betyda mycket.
– Det gör stor skillnad både ekonomiskt och för mängden brädor vi får ut av våra svenska träd. Det finns även andra projekt som jobbar på innovativa sätt med att såga brädor för större utbyte och mindre spill, som i sin tur behöver information som vi vill få ut av CT-scanningen. Det finns många andra planerade eller pågående projekt som adresserar problemet med spillet från skogen, där våra resultat kan vara till stor hjälp.
