DE EN

Wood Materal Science & Engineering  10/2024

Predicting wood moisture classes by sound frequency spectra and Explainable Machine Learning during milling

Authors:

Mehieddine Derbas, Timothy Mark Young, Stephan Frömel-Frybort, Hans- Christian Möhring & Martin Riegler

Contents:
  •          Der Feuchtigkeitsgehalt in Holz hat starken Einfluss auf die optimalen Prozessparameter beim Fräsen.
  •          Mit dem neuartigen optischen Mikrophon wurden verschiedene Feuchtigkeitsklassen (dried, conditioned, wet und frozen) unterschieden.
  •          Mit Hilfe von Machine-Learning Modellen konnte durch das akustische Signal die Feuchtigkeitsklasse sowie die Geschwindigkeit beim Fräsen bestimmt werden. Das beste Modell erreichte eine Genauigkeit von rund 97.2%.

Link

View all Publications