Revierleiter schlägt Computer

Ein Wettkampf in der Erkennung von Borke und Nadeln fand heute in der Zentrale der Österreichischen Bundesforste (ÖBf) in Purkersdorf zwischen forstlichem und biologischem Sachverstand sowie dem von der TU Wien entwickelten Computer „Deep Green“ statt. Bei der Bestimmung von 99 Rindenfotos elf verschiedener Baumarten am Laptop konnte Joachim Graf, Revierleiter des Forstreviers Breitenfurt im ÖBf-Forstbetrieb Wienerwald mit einer Erkennungsquote von 79% einen Sieg gegen den Computer (66% Trefferquote) erringen. Biologin Mag. Christina Lassnig, bei den ÖBf im Naturraum-Management tätig, ordnete 57% der Bilder den richtigen Baumarten zu.

Handylösung für Waldbesucher

Die ÖBf sind im Vorjahr mit der Idee einer Baumerkennungs-Software an das Institut für rechnergestützte Automation der TU Wien herangetreten. Ziel der Diplomarbeit von Stefan Fiel unter Institutsleiter Univ.-Prof. Dr. Robert Sablatnig ist die Entwicklung eines Algorithmus, die in einer iPhone-Applikation münden soll. Diese soll Waldbesuchern die Baumartenerkennung erleichtern und so den Bezug der Öffentlichkeit zum Wald intensivieren. Als Training war der Computer mit jeweils etwa 200 Fotos von Rinde, Blättern oder Laub der auf den ÖBf-Flächen elf häufigsten Baumarten gefüttert worden.

„Deep Green achtet pro Blatt auf 200 bis 400 Merkmale. Bei der Rinde können es sogar einige Tausend sein. Der Rechner analysiert die Textur und die Verteilung der Grauwerte“, schilderte Fiel. „Die Schwierigkeit liegt darin, dass sich viele Bilder sehr ähnlich sind.“ Graf profitierte dagegen von seinem geschulten Blick und jahrelanger Praxiserfahrung. „Trotzdem war die Bestimmung aufgrund der rein optischen Rindeninformation ohne Holzfarbe, Nadel oder Äste eine große Herausforderung“, sagte Lassnig.

Kombination von Merkmalen erforderlich

Leichter taten sich die beiden Experten bei der Bestimmung der Nadelbilder von Fichte, Tanne, Lärche, Schwarz- und Weißkiefer sowie Zirbe. Hier erzielte Graf 88% und Lassnig 69%. „Der Rechner lag nur knapp über der Zufallsquote“, musste Fiel einräumen. „Die Nadeln sind für den Computer zu klein.“ Wichtig war den Forschern, anhand welcher Merkmale die Testpersonen die Fotos bestimmt hatten. Diese Erkenntnisse sollen zur Weiterentwicklung der Software herangezogen werden.

Für Sablatnig kam das Ergebnis nicht überraschend: „Aufgrund des Kontextwissens schneidet der Mensch immer besser ab, als der Computer. Deep Green fehlen die versteckten Merkmale. Dass bei der Weißkiefer zwei, aber bei der Zirbe fünf Nadeln zusammenstehen, erkennt die Software nicht. Der Computer ist bei einfachen und rechenintensiven Themen, wie bei der Erkennung von Musikstücken im Vorteil.“ – „Der Rechner ist nicht besser als die Experten, aber auch der Mensch erkennt nicht 100%“, resümierte ÖBf-Pressesprecher Mag. Bernhard Schragl. „Zur sicheren Erkennung ist die Kombination von zwei oder drei Merkmalen erforderlich.“