Jahrringe mit dem Smartphone messen

Dank der Fortschritte in der Kameratechnik haben heutige Smartphones unsere herkömmlichen Kameras ersetzt. Wir haben begonnen, eine App zum Zählen von Jahrringen auf Bohrkernen mit dem iPhone zu entwickeln. Der erste Schritt besteht darin, die Kamera zu testen und herauszufinden, wie man die besten Bilder erhält.

Für gute Bilder des Bohrkerns müssen diese:

• scharf sein
• eine hohe Auflösung haben
• gleichmäßig ausgeleuchtet sein

Viele scharfe Pixel pro mm bei gleichmäßiger Beleuchtung geben uns gute Chancen, die Jahrringe zu zählen.

Kameradaten verschiedener iPhone-Modelle

Die Ergebnisse stammen aus offiziellen Spezifikationen, Daten aus den APIs von Apple und Bildern, die mit der Kamera-App Halide aufgenommen wurden – einer App, die wir sehr empfehlen.

Im Allgemeinen eignen sich die Weitwinkelkameras am besten, mit Ausnahme vielleicht der Ultraweitwinkelkamera des iPhone 13 Pro. Wie Tabelle 1 zeigt, haben neuere Weitwinkelkameras im Nahbereich nicht zu einer höheren Auflösung geführt. Änderungen bei Brennweite und Blende haben über die Jahre zu einer größeren Naheinstellgrenze geführt. So war die Auflösung in Pixel pro mm beim iPhone 7 besser als beim iPhone 13 Pro (Weitwinkel).

Die Bildqualität hat sich in den letzten Jahren jedoch deutlich verbessert: Zwischen den Fotos etwa eines iPhone 7 und eines iPhone 11 liegen Welten (siehe Beispiele weiter unten). Die Sensoren haben nach wie vor 12 Megapixel, aber die Pixel sind heute viel schärfer.

Vergleich der Bildqualität verschiedener iPhone-Modelle

iPhone 7. Unscharf und Probleme mit dem Weißabgleich.

iPhone 8. Unscharf und gewisse Probleme mit dem automatischen Weißabgleich.

iPhone SE2. Schärfer und besserer Weißabgleich als bei den älteren Telefonen oben.

iPhone XR. Ähnliches Ergebnis wie beim iPhone SE2.

iPhone 11. Scharf. Die Qualität ist wirklich gut. Besser als XR und SE2.

iPhone 12 Pro Max. Die Naheinstellgrenze ist größer als beim normalen 12 Pro und beim 11. Scharfe Bilder sind schwieriger zu erzielen.

iPhone 13 Pro. Ultraweitwinkelkamera. Sehr scharfe Bilder. Erfordert spezielle Anpassungen, um unscharfe Ränder zu vermeiden.

iPhone 13 Pro. Weitwinkelkamera. Nicht ganz so gut wie 11, 12 oder 12 Pro.

Bilder zusammensetzen

Um den gesamten Bohrkern zu fotografieren, müssen wir mehrere Bilder aufnehmen und zusammensetzen. Der Bohrkern ist etwa 5 mm breit und 10-50 cm lang. Für eine ausreichende Auflösung müssen wir ihn aus kurzer Entfernung fotografieren.

Das Problem ist, dass die Naheinstellgrenze der Weitwinkelkamera bei etwa 10-15 cm liegt. Wir können also immer nur einen kleinen Teil des Bohrkerns fotografieren und müssen mehrere überlappende Bilder aufnehmen und zusammensetzen.

Wir haben das Zusammensetzen von Bildern getestet, und es funktioniert gut. Der Nutzer nimmt überlappende Bilder auf, und die App setzt sie automatisch zusammen. Wir geben dem Nutzer Rückmeldung, ob das Zusammensetzen erfolgreich war oder ob er das Bild erneut aufnehmen muss.

Visuelle Anleitung zum Zusammensetzen der Bilder

Bildqualität

Um Bilder in höchstmöglicher Qualität aufzunehmen, möchte ich die maximale Größe des Bildsensors nutzen. Der Sensor hat 3000 x 4000 Pixel. Um die maximale Breite (4000 px) zu nutzen, muss die App beim Fotografieren des Bohrkerns im Querformat verwendet werden (Kameraansicht). Außerdem brauchen wir einen Bildschirm zum Zählen der Jahrringe (Bildansicht) und einen, auf dem die Bohrkerne in einer Tabelle angezeigt werden (Tabellenansicht).

Navigation zwischen den Ansichten

Im Wald möchte man Jahrringe fotografieren, die Bildqualität prüfen und vielleicht die Jahrringe zählen. Im Büro möchte man bereits fotografierte Bohrkerne ansehen und deren Jahrringe zählen.

Deshalb muss man zwischen den verschiedenen Ansichten wechseln können. Hier ein Vorschlag, wie das aussehen könnte:

Navigationsablauf zwischen den verschiedenen Ansichten

Die Kameraansicht muss Folgendes enthalten:

• Grafische Hilfe, um den Bohrkern in der Bildschirmmitte zu platzieren.
• Anzeige des zuvor aufgenommenen Bildes, damit sich das nächste Bild des Bohrkerns leichter aufnehmen lässt.
• Rückmeldung, ob das Zusammensetzen erfolgreich war.
• Prüfen können, ob das Bild scharf ist, bevor man den Auslöser drückt.

Zum Zählen der Jahrringe braucht die Bildansicht Folgendes:

• In das Bild hineinzoomen können.
• Jahrringe von Hand zählen, jeden zehnten Jahrring markieren und automatisch aufsummieren.
• Die Messung speichern können.

Die Tabellenansicht

sollte eine Standardtabelle sein, in der man Bohrkerne löschen und den Bohrkern auswählen kann, der in der Bildansicht angezeigt werden soll.

Als Nächstes testen wir die App im Gelände und sehen, ob sie wie erwartet funktioniert. Wahrscheinlich werden wir Dinge entdecken, die geändert werden müssen.

Wir planen, die App Ende März zum Testen zu verschicken. Gerne können Sie hier Ihr Interesse anmelden.

Falls Sie unsere früheren Artikel darüber verpasst haben, wie wir die App entwickelt haben, lesen Sie gerne weiter:

Links zu Teil 1 und 2.

Vielleicht wissen Sie, dass ich an einer App gearbeitet habe, mit der man die Jahrringe von Bäumen mit dem Smartphone zählen kann. Vielleicht ist Ihnen auch aufgefallen, dass es in den letzten Wochen recht still darum geworden ist.

Der Grund ist einfach.

Ich habe die App unter realen Bedingungen getestet und erkannt, dass sich eine solche App nicht umsetzen lässt. Ich erkläre nun, warum – damit andere, die es in Zukunft versuchen, auf meinen Erfahrungen aufbauen können.

Aus Misserfolgen lernen

Im Internet spricht fast jeder über seine Erfolge, aber nur wenige erzählen, wenn sie scheitern. Das erweckt den Eindruck, Erfolg sei einfach, und verhindert zugleich, dass man aus den Fehlern anderer lernt. Erfolg ist ein schlechter Lehrer – Misserfolg nicht. Ich erzähle Ihnen jetzt, was ich gelernt habe und warum ich die Idee aufgebe.

Der Ursprung

Alles begann vor einigen Jahren. Immer wieder hörte ich, dass Förster das Zählen von Jahrringen als mühsam empfanden. Am liebsten hätten sie ein Gerät, das das Alter eines Baumes erfasst, indem man es einfach an den Stamm hält.

Ins Innere eines Baumes zu blicken, ohne ihn zu fällen, ist eine schwierige technische Herausforderung. Das schien mir außerhalb meiner Möglichkeiten. Aber vielleicht ließen sich Bohrkerne mit dem Smartphone fotografieren und die Jahrringe dann vom Telefon selbst zählen.

Ich begann, eine App zu entwickeln, mit der man in einem ersten Schritt Bohrkerne fotografieren und von Hand zählen konnte. Bei Erfolg sollte im nächsten Schritt eine KI-Lösung entstehen, die die Jahrringe automatisch zählt.

Die erste Herausforderung

bestand darin, nah genug heranzukommen. Das ließ sich jedoch lösen, indem man mehrere Fotos aufnahm und automatisch zusammensetzte. Es war etwas knifflig, weil der Autofokus Mühe hatte, auf einen schmalen Bohrkern scharfzustellen. Ich löste das mit einer Vergrößerungsfunktion, die anzeigte, ob der Bohrkern scharf war oder nicht. Wenn der Nutzer eine Hand hinter den Bohrkern hielt, klappte alles gut.

Die zweite Herausforderung

war das Zusammensetzen der Bilder – der Nutzer musste für eine angemessene Überlappung zwischen den Bildern sorgen. Nicht zu wenig, sonst gelang das Zusammensetzen nicht, und nicht zu viel, sonst hätte der Nutzer zu viele Bilder aufnehmen müssen. Ich löste das, indem ich einen Teil des vorherigen Bildes einblendete und dem Nutzer zurückmeldete, ob das neue Bild mit dem alten zusammengesetzt werden konnte oder wiederholt werden musste. Durch haptisches Feedback war sofort klar, ob es geklappt hatte oder nicht.

Ich testete drinnen und hatte das Gefühl, auf einem guten Weg zu sein.

Dann ging ich einige Male nach draußen und lernte Folgendes:

• Das Licht war ein Problem: Sonnenlicht und Schnee erzeugten viel Kontrast im Bild.
• Die Jahrringe waren auf den Bildern nicht deutlich zu erkennen. Es war schwer, sicher zu sagen, ob es sich um Frühholz oder Spätholz handelte.

Bild 1: Bohrkern einer Kiefer. Die Jahrringe sind schwer zu zählen.

Bild 2: Bohrkern einer Kiefer. Oft gelangt Schmutz auf den Bohrkern. Das erschwert manchmal das Zählen und macht die automatische Zählung noch schwieriger.

Das Problem mit dem Licht ließ sich lösen, indem man die Sonne im Rücken hatte und möglichst wenig Schnee im Bild war.

Das Problem, dass die Jahrringe nicht gut genug zu erkennen waren, konnte ich nicht lösen. Die Auflösung war mit 20-40 Pixel pro mm recht hoch, aber die Bilder waren nicht gestochen scharf und der Kontrast zwischen den Jahrringen zu gering. Ich versuchte, den Kontrast zu erhöhen und das Bild unterschiedlich stark nachzuschärfen. Trotzdem war das Ergebnis nicht gut genug. Das fühlte sich wirklich wie ein entscheidendes Problem an. Es trat vor allem im äußeren Bildbereich auf und könnte teilweise optisch bedingt sein.

Die auf dem Markt erhältliche Desktop-Software zur Jahrringanalyse setzt oft geschnittenes und geschliffenes Holz voraus. Bohrkerne sind dafür weniger gut geeignet, und das ist wahrscheinlich der Hauptgrund, warum es so schwierig war.

Rindenreste auf dem Bohrkern zu vermeiden ist nicht einfach; das passiert vor allem bei Kiefern mit dicker Borke. Sie abzulösen war schwierig, und man riskierte dabei, den Bohrkern zu verlieren. Zudem wäre es eine Herausforderung, einer KI beizubringen, zwischen dunklem Spätholz und Schmutz zu unterscheiden.

Was mich schließlich zum Aufgeben brachte, war, als ich draußen im Wald stand und mich abmühte, überlappende Bilder aufzunehmen. Als es endlich klappte, konnte ich die Jahrringe kaum erkennen. Ich zählte sie dann von Hand, und das ging schneller. Wenn ich schon mit meiner eigenen App Probleme habe, wie soll es dann erst anderen Nutzern gehen?

Erkenntnisse

Ich habe viel gelernt, unter anderem Folgendes:

• Die Entwicklung neuer Produkte ist immer mit Risiken verbunden. Man sollte das Risiko minimieren, indem man die kritischen Teile zuerst testet. In diesem Fall war das die Bildqualität.
• Das Interesse war geringer als erwartet. Nur wenige haben Interesse gezeigt. Das deutet darauf hin, dass der Markt für eine solche App nicht groß ist. Wer eine großartige App für einen kleinen Markt entwickelt, hat es schwer, sie dauerhaft tragfähig zu halten.
• Zögern Sie nicht aufzugeben, auch wenn Sie viel Zeit in ein Projekt investiert haben. Es ist besser, viele Ideen zu testen und die mit dem meisten Erfolg und der größten Resonanz weiterzuverfolgen. Jetzt habe ich mehr Zeit für meine anderen Ideen ...

In den folgenden Jahren gab es durchaus Interesse an dem Thema. Auch die Kameras der Smartphones haben sich verbessert, und es sind einige interessante Veröffentlichungen auf diesem Gebiet erschienen.

In den letzten fünf Jahren hat sich die automatische Jahrringerkennung rasant von fehleranfälliger, regelbasierter Bildverarbeitung hin zu robusten Deep-Learning-Ansätzen entwickelt. Erste Fortschritte brachte der Einsatz von Convolutional Neural Networks zur Segmentierung der Jahrringgrenzen, was eine weitaus höhere Toleranz gegenüber Bildrauschen, ungleichmäßigem Schleifen und wechselnder Beleuchtung ermöglichte. Ein wichtiger Meilenstein war der Einsatz von Instanzsegmentierungsmodellen wie Mask R-CNN, um Jahrringgrenzen sowohl in Scanner- als auch in Smartphone-Bildern zu erkennen (Kim et al., 2023). Kurz darauf entstanden vollautomatische Pipelines, die Deep Learning mit Nachbearbeitung und dem Export in gängige dendrochronologische Formate kombinieren (Poláček et al., 2023). Begleitet wurden diese Methoden von Open-Source-Implementierungen, die modernste Jahrringerkennung reproduzierbar und zugänglich machen (TRG-ImageProcessing auf GitHub). In jüngerer Zeit wurden neue annotierte Datensätze und Referenzmodelle für die semantische Segmentierung veröffentlicht, die schwierige Laubholzoberflächen und raue Proben adressieren (Wu et al., 2024). Auch Transformer-basierte Segmentierungsmodelle wurden auf hochaufgelöste Holzmikroschnitte angewendet und verbessern die Abgrenzung der Jahrringgrenzen in anatomisch komplexen Proben (García-Hidalgo et al., 2024). Gleichzeitig haben große Foundation-Modelle für die Segmentierung die Hürden für interaktive Annotation und schnelles Prototyping gesenkt (Kirillov et al., 2023). Die Open-Source-Veröffentlichung dieser Modelle hat Experimente in Forschung und angewandter Produktentwicklung beschleunigt (Segment Anything auf GitHub). Zusammen machen diese Fortschritte die hochpräzise, automatische Jahrringzählung anhand von Fotos heute zu einer realistischen Grundlage für praxistaugliche und mobile Anwendungen.

Wir haben die Daten der neuesten iPhone-Objektive und -Kameras in die Listen aufgenommen

Wir sind gespannt, wohin das alles führt