Chinese onderzoekers ontwikkelen een geavanceerd systeem voor automatische sortering van constructiehout, waarin defecten en vochtgehalte expliciet worden meegenomen.
De opkomst van houtbouw vraagt om constructiehout van voorspelbare en hoge kwaliteit. Tegelijkertijd staat de houtindustrie onder druk om sneller, efficiënter en consistenter te produceren. In dat spanningsveld presenteert een onderzoeksteam van de Chinese Academy of Forestry een belangrijke stap vooruit: een volledig geautomatiseerde productielijn voor houtgrading die niet alleen de stijfheid van hout meet, maar ook rekening houdt met natuurlijke defecten en het vochtgehalte.
Misschien vind je dit ook interessant
Het onderzoek, Incorporating defects and moisture in MOE evaluation for automated timber grading, gepubliceerd in Scientific Reports (2025), laat zien hoe kunstmatige intelligentie, machine vision en mechanische metingen samen kunnen leiden tot nauwkeurigere en economisch aantrekkelijkere classificatie van constructiehout.
Waarom traditionele houtgrading tekortschiet
Constructiehout wordt traditioneel visueel gekeurd door ervaren inspecteurs. Zij beoordelen knoesten, scheuren en andere zichtbare afwijkingen. Die methode is arbeidsintensief, subjectief en lastig te herhalen. Mechanische grading, waarbij de stijfheid van het hout (elasticiteitsmodulus, E) non-destructief wordt gemeten, biedt meer objectiviteit, maar kent ook beperkingen.
Hout is anisotroop: de mechanische eigenschappen verschillen per richting en worden sterk beïnvloed door natuurlijke defecten en vocht. Bestaande geautomatiseerde systemen baseren zich vaak op één meetprincipe, waardoor ze de sterkte van hout kunnen over- of onderschatten. Dat leidt tot veiligheidsmarges die het materiaalgebruik inefficiënt maken.
Integrale benadering: defecten, vocht en stijfheid
Het Chinese onderzoeksteam, onder leiding van Min Ji en Wei Zhang, ontwikkelde daarom een geïntegreerde aanpak. Hun automatische gradinglijn combineert vijf kernmodules:
- Automatisch laden en lossen: Robotische systemen zorgen voor continue aan- en afvoer van hout zonder menselijke tussenkomst.
- Machine vision: Camera’s en deep-learningalgoritmen detecteren defecten zoals knoesten, scheuren en gaten op alle zijden van het hout.
- Online vochtmeting: Sensoren meten op meerdere punten het vochtgehalte, een cruciale factor voor zowel maatvastheid als elasticiteit.
- Mechanische stress grading: Via een niet-destructieve buigtest wordt de dynamische elasticiteitsmodulus (E) van elk stuk hout bepaald.
- Multi-sensor data-integratie en remote monitoring: Alle gegevens worden samengebracht in één digitaal systeem, met mogelijkheden voor diagnose en onderhoud op afstand.
De echte innovatie zit in de koppeling van deze data. Zo wordt de gemeten elasticiteitsmodulus automatisch gecorrigeerd voor het actuele vochtgehalte, en worden mechanische eigenschappen beoordeeld in samenhang met zichtbare defecten.
Van laboratorium naar fabriek
Het systeem is niet alleen theoretisch onderbouwd, maar ook uitgebreid getest in industriële omgevingen in China. In fabrieken in Suqian en Suzhou werd constructiehout van onder andere Pinus densiflora (Japanse rode den) en Picea asperata (Chinese spar) automatisch gegradeerd en vergeleken met klassieke driepuntsbuigproeven in het laboratorium.
De resultaten zijn overtuigend. De correlatie tussen de automatisch gemeten elasticiteitsmodulus en de laboratoriumwaarden was zeer hoog (R² = 0,944). De relatieve fout bleef beperkt tot circa 2–4%, wat binnen internationale normen valt gezien de natuurlijke variatie van hout.
Daarnaast bleek de productiesnelheid aanzienlijk hoger: tot 120 meter hout per minuut, minstens drie keer sneller dan handmatige houtgrading. Volgens de onderzoekers kan een fabriek hiermee jaarlijks tienduizenden kubieke meters extra hout verwerken, terwijl de arbeidskosten dalen.
Internationale erkenning en toekomstperspectief
Een belangrijk bewijs van de praktische toepasbaarheid is de certificering volgens de Japanse Agricultural Standard (JAS) in 2023. Dat is een van de strengste kwaliteitsnormen voor constructiehout en maakt export naar Japan mogelijk.
Volgens de auteurs laat dit onderzoek zien hoe de houtindustrie kan evolueren richting volledig digitale, intelligente productielijnen. Door elke balk te voorzien van een digitale “identiteitskaart”, met gegevens over defecten, vocht, stijfheid en herkomst, wordt niet alleen de productie efficiënter, maar ook de veiligheid en traceerbaarheid van houten gebouwen vergroot.
Samenvattend
Het onderzoek van Ji en collega’s markeert een belangrijke stap in de modernisering van houtgrading. Door defecten en vochtgehalte expliciet te integreren in de elasticiteitsmodule-evaluatie, overstijgt het systeem zowel traditionele visuele keuring als bestaande automatische methoden.
In een tijd waarin houtbouw wereldwijd groeit en betrouwbaarheid cruciaal is, biedt deze AI-gedreven aanpak een overtuigend voorbeeld van hoe technologie kan bijdragen aan duurzamer, slimmer en veiliger bouwen met hout.
Voor meer informatie: Ji, M., Zhang, W., Cai, L. et al. Incorporating defects and moisture in MOE evaluation for automated timber grading. Sci Rep 15, 44149 (2025). https://doi.org/10.1038/s41598-025-00325-7
