Detection of stem crooks using a CNN trained on synthetic data

Sammanfattning

Defects like stem crooks significantly impact the value and usability of wood. Obtaining sufficient training data for models that detect such irregularities can be challenging. Thus, data simulation offers a promising solution to overcome data scarcity. By generating annotated datasets, we can train models for detecting defects in standing trees.

Nyckelord

Stem crooks; synthetic data; 3D simulations; Terrestrial laser scanning; deep learning

Publicerad i

Utgivare: Silvilaser

Konferens

SilviLaser 2025, September 29 - October 3, 2025, Québec City, Quebec, Canada

SLU författare

• de Paula Pires, Raul

  • Institutionen för skoglig resurshushållning, Sveriges lantbruksuniversitet
    

• Persson, Henrik

  • Institutionen för skoglig resurshushållning, Sveriges lantbruksuniversitet
    

• Holmgren, Johan

  • Institutionen för skoglig resurshushållning, Sveriges lantbruksuniversitet
    

UKÄ forskningsämne

Skogsvetenskap

Permanent länk till denna sida (URI)

https://res.slu.se/id/publ/145013