Holz ist ein wertvoller Rohstoff – und spielt vor allem in der Bauindustrie eine zunehmend wichtige Rolle. Um u. a. den illegalen Holzhandel einzudämmen, verpflichtet die EU-Holzverordnung holzverarbeitende Unternehmen, die Rückverfolgbarkeit von Holz entlang der gesamten Lieferkette zu gewährleisten. Die heute für die Identifizierung üblichen Nummerier-Plättchen, RFID-Codes oder einfache Farbmarkierungen sind nicht fälschungssicher und garantieren damit keinen zuverlässigen Herkunftsnachweis. Alternative Techniken zur Markierung von Stämmen und Stammteilen scheitern in der Praxis bisher vor allem an hohen Kosten und mangelnder Digitalisierung.

Fälschungssichere Identifikation: Sägeflächen als Fingerabdruck

Im nun abgeschlossenen Forschungsprojekt DiGeBaSt (Digitalisierung Gefällter BaumStämme) hat Fraunhofer IPM in enger Kooperation mit der Forstlichen Versuchs- und Forschungsanstalt Baden-Württemberg FVA ein kamerabasiertes Rückverfolgungsverfahren für die Identifizierung von Baumstämmen und Stammteilen entwickelt: "Track & Trace Fingerprint" nutzt die individuellen Oberflächen-Strukturen an Sägeflächen als Fingerabdruck und kommt so ohne jegliche Markierung aus. Hochauflösende Kameraaufnahmen der Schnittflächen werden auf eine simple Bitfolge reduziert – den Fingerprint-Code. Dieser Code wird zusammen mit einer individuellen ID in einer Cloud-Datenbank hinterlegt. Der spätere Abgleich erfolgt über eine erneute Bildaufnahme desselben Areals und die entsprechende Bitfolge. Damit ist eine fälschungssichere Identifikation einzelner Stämme und Stammteile möglich – trotz Vermengung der Hölzer während des Ernte- oder Verarbeitungsprozesses.

Für den Einsatz in der Holzverarbeitung wurden drei unterschiedliche Kamerasysteme entwickelt, die an die jeweiligen Lichtverhältnisse am Einsatzort angepasst sind: ein am Vollernter integriertes System, ein System für den Einsatz im Sägewerk sowie ein handgehaltenes System. Bei der Erzeugung der Fingerprint-Codes entsteht ein enormes Datenvolumen, das vor allem durch zwei Faktoren bedingt ist: Die spezifischen Strukturen der Schnittflächen mit Astansätzen, Jahresringen und einer hohen Rauigkeit und die durch das Forstumfeld bedingte, nicht reproduzierbare Positionierung der Baumstämme im Kamerabild. Die Bildaufnahmen werden daher in einem zweistufigen Verfahren mithilfe eines Convolutional Neural Network (CNN) vorselektiert.

Hohe Wiedererkennungsraten

In einer Feldstudie konnten die Forschenden zeigen, dass die Fingerprint-Technologie unter den rauen Umgebungsbedingungen im Wald und im Sägewerk zuverlässig funktioniert: Am Vollernter, am Polter und im Sägewerk wurden jeweils Fingerprint-Codes von insgesamt 65 Sägeflächen aufgenommen. Die registrierten Stammabschnitte wurden dann am Polter und am Sägewerk anhand einer erneuten Aufnahme des Fingerprint-Codes identifiziert. Auf dem Weg vom Vollernter zum Polter lag die Wiedererkennungsrate bei 98,5 Prozent, d.h. nur ein Stammabschnitt wurde nicht erkannt; vom Vollernter und vom Polter zum Sägewerk konnten 100 Prozent der Stammabschnitte korrekt identifiziert werden. Ziel der Forschenden wird in Zukunft sein, das Verfahren für weitere Holzarten und für die Anwendung über die gesamte Holzverarbeitungskette anzupassen.