På ett sågverk passerar varje minut hundratals meter trä genom industriella skannrar med laser som upptäcker avvikelser på träets yta med millimeterprecision. Men frågan om träets inre struktur, som är avgörande för en brädas hållfasthet, är svårbesvarad. Vilka brädor lämpar sig till bärande balkar och vilka passar bättre till paneler?
Anders Olsson, professor i byggteknik, håller upp en bräda av gran och pekar ut visuella ledtrådar till dess kvalitet. Varje årsring, knagg och fiber påverkar.
– I dagsläget går det bara att få en fullständig tredimensionell bild av en bräda med hjälp av skiktröntgen. Men det är både långsamt och dyrt, och inte idealiskt för industriell sortering.
Öka värdet av trämaterial
Anders har varit intresserad av snickeri och byggnader så länge han kan minnas.
– Byggteknik är handgripligt och jag tycker om att sitta och räkna och tänka. Min forskning har alltid handlat om nyfikenhet, men inte enbart – det har alltid funnits en tänkt och möjlig tillämpning i bakgrunden.
I mer än 15 år har hans fokus legat på hållfasthetssortering och att kunna öka värdet av trämaterial. Hans forskargrupp har länge utforskat hur man kan få fram så mycket kunskap som möjligt om träets inre egenskaper enbart utifrån det som är synligt längs brädans sex sidor. En bra metod måste vara både noggrann och tillräckligt snabb för att klara den industriella verkligheten. Samtidigt får den inte skada materialet.
Utvecklar ny AI-metod
Det är en utmaning forskarna är på god väg att lösa, genom att utveckla en helt ny metod för att hållfasthetsklassificera virke med hjälp av artificiell intelligens (AI). Arbetet tog ordentlig fart 2019 när Osama Abdeljaber anslöt till gruppen.
Trä var ett helt nytt område för honom, men han hade utvecklat en programvara för att upptäcka skador i stålkonstruktioner genom att analysera ljud och vibrationer från materialet. Han såg en spännande utmaning: precis som med stål handlade det om att förstå det inre av ett material utan att öppna upp det. AI kunde fungera även här.
– Trä är ett naturligt material där varje bräda är olik den andra. Det gör utmaningen väldigt komplex men samtidigt väldigt rolig. Jag såg stora möjligheter med maskininlärning och lockades av att skapa värdefulla lösningar, säger Osama som är lektor i byggteknik.
– Vi lär oss mycket av varandra. Jag bidrar med min kunskap om trä, Osama med sin om maskininlärning, men vi har en gemensam grund i mekaniken. Det här samarbetet har inneburit ett stort steg framåt, säger Anders.
Skapar virtuella brädor
Forskningen bygger på att använda de sensorer som redan finns i dagens sorteringslinjer på sågverken – kameror och laser som skannar brädan på löpande band – för att med hjälp av AI beräkna hur brädans innanmäte ser ut.
I brist på verkliga data utvecklade forskarna ett simuleringsprogram som skapar tusentals fotorealistiska, virtuella brädor med exakt definierade egenskaper som märg, årsringar och kvistar. Dessa används för att träna en AI-modell i att förstå
sambandet mellan utsidan och insidan.
Att lära AI:n nya träslag fungerar lite som när vi människor lär oss ett nytt språk.
De är på god väg att lyckas. Samarbetet med företaget Microtec som utvecklar skannrar för virkessortering har så här långt resulterat i två patent.
– Vi har redan lyckats förutsäga märgens position och identifiera årsringar i brädor av gran. Nu involverar vi ännu fler parametrar, vilket ger mer realistiska brädor och därmed mer användbara modeller för industrin, säger Anders.
En komplett bild av brädans inre
Stigande virkespriser och ökad efterfrågan visar vikten av att det bästa träet används där det behövs mest. Därför är projektet Detektion av kvistar och fiberorientering i virke, som finansieras av KK-stiftelsen och genomförs i samarbete med Microtec, Ikea och Södra, betydelsefullt.
– Företag som Södra producerar miljontals kubikmeter sågat virke varje år. Med mer precisa och datadrivna metoder kan vi ta bättre hand om materialet, spara pengar och bidra till klimatmålen, säger Anders.
Målet är att på sikt kunna ge en komplett bild av brädans inre, inklusive kvistar och fiberriktning. Det skulle innebära bättre förutsägelser av hur stark varje bräda är och maximera värdet då grova plankor ska klyvas till klenare.
– Med bättre kunskap kan fler brädor användas på bästa sätt. Vi kan också belasta träkonstruktioner mer effektivt, eftersom vi vet vad varje bräda klarar av.
Anders Olsson
Professor i skog och träteknik
Anders Olsson är civilingenjör i väg- och vattenbyggnadsteknik och doktor i byggnadsmekanik. Han är särskilt intresserad av beräkningsmodeller för analys av trämaterial och användning av modeller för prediktion av egenskaper hos virke och andra träbaserade komponenter.
BEVILJADE MEDEL SEDAN 2010
25,7 miljoner kronor
Finansiärer: KK-stiftelsen, Formas, Vinnova, Södras stiftelse för forskning, utveckling och utbildning, Centrum för byggande och boende med trä, Stiftelsen Nils och Dorthi Troëdssons forskningsfond
Osama Abdeljaber
Lektor i byggteknik
Osama Abdeljaber är civilingenjör och har en doktorsexamen i byggteknik. Han forskar inom AI och dess tillämpningar inom byggteknik, såsom identifiering av egenskaper och defekter hos trä, övervakning av byggnaders hälsotillstånd och skadeidentifiering.
Som att lära sig ett nytt språk
Gran är det vanligaste träslaget inom svensk byggindustri och en naturlig startpunkt för projektet. Men ambitionerna sträcker sig längre. Nästa steg är att anpassa modellen till furu och på sikt även till lövträd som björk, bok och ek, som skiljer sig mer åt i strukturen.
– Att lära AI:n nya träslag fungerar lite som när vi människor lär oss ett nytt språk. För varje språk man redan kan blir det lättare att lära sig nästa. Inom AI kallas det för transfer learning. Varje gång man anpassar en modell till ett nytt område, som ett nytt träslag, krävs det generellt mindre träningsdata. Kan vi lösa utmaningen med gran ser utvecklingsmöjligheterna mycket lovande ut, säger Osama.