Ocena modelov globokega učenja za razvrščanje gozdnih lesnih sortimentov po tržni vrednosti na podlagi slikTriplat, Matevž (Avtor) Lukančič, Žiga (Avtor) Kavčič, Vasja (Avtor) razvrščanje slikkakovost lesastrojno učenjegozdarstvoPrispevek obravnava uporabo modelov globokega učenja oziroma slikovnih vgraditev za razvrščanje gozdnih lesnih sortimentov (v nadaljevanju sortimentov) glede na tržno vrednost. Analiza temelji na slikah sortimentov, posnetih na 17. licitaciji vrednejših sortimentov lesa v Slovenj Gradcu, ter na pripadajočih podatkih o drevesni vrsti, dimenzijah, prostornini in doseženi prodajni ceni. Sortimenti štirih bolje zastopanih drevesnih vrst (evropski macesen, navadna smreka, hrast graden in gorski javor) so bile vrednosti preračunane na m³ in razvrščene v tri vrednostne razrede: nižji kvartil, srednji razred ter zgornji kvartil. Za analizo je bilo uporabljeno programsko okolje Orange. Slike so bile najprej pretvorjene v vektorje značilnosti z vnaprej naučenim modelom Inception v3, nato pa je bila klasifikacija izvedena z logistično regresijo in 10-kratno stratificirano navzkrižno validacijo. Rezultati kažejo zmerno uspešnost razvrščanja. Najvišja natančnost je bila dosežena pri evropskem macesnu in hrastu gradnu, približno 55 %, najnižja pa pri navadni smreki, približno 40 %. Rezultati potrjujejo, da analiza slik lahko prispeva k avtomatiziranemu vrednotenju sortimentov, vendar trenutna metodologija še ne omogoča zanesljive operativne uporabe brez dodatnih podatkov, izboljšav modelov in vključitve drugih informacij o sortimentih. Študija je pomembna, ker odpira vprašanje, ali je mogoče tržno vrednost lesa vsaj deloma napovedovati iz slikovnih podatkov. Hkrati jasno pokaže, da je vrednost sortimentov odvisna od številnih dejavnikov, ki jih sama slika pogosto ne zajame dovolj dobro, na primer notranjih napak, porekla, dimenzij, kakovostnega razreda, ponudbe in povpraševanja ter posebnosti licitacijskega trga.20262026-05-22 14:06:24Znanstveno delo29539sl