Mid Sweden University

Holmen has identified a need to streamline the volume estimation of roundwood transported internally between terminals. The current manual measurement method is both time-consuming and costly, and it is expected to become obso lete with the transition from VIOL2 business system to VIOL3 in the fall of 2025. To address this need, Holmen aims to explore whether the current calibration methods can be replaced by a digital image analysis. The purpose of this thesis project is to develop a proof-of-concept (POC), a pro totype used to demonstrate a concept or idea in practice, that showcases how image recognition and machine learning can be used to estimate the volume of roundwood on a transport. The target audience is primarily personnel working at Holmen’s timber terminals. The system consists of a frontend built with Angular and the Kendo UI component library, and a backend API developed in ASP.NET Core C#. The backend communi cates with Azure Custom Vision for image analysis, and Microsoft Entra ID is used for authentication. The results show that it is fully possible to estimate the volume of roundwood from an image, especially under favourable lighting and weather conditions. By identifying individual logs and reference objects in the image, and knowing the ac tual dimensions of these reference objects, the system can calculate a scale fac tor that enables an estimation of the logs’ dimensions and thereby the total volume. 

Holmen har identifierat ett behov av att effektivisera volymuppskattningen av rundvirke som transporteras internt mellan terminaler. Den manuella mätmetod som används idag är både tidskrävande och kostsam samt riskerar att försvinna i och med övergången från affärssystemet VIOL2 till VIOL3 under hösten 2025. För att möta detta behov vill Holmen undersöka huruvida man kan ersätta nuvarande kalibreringsmetoder med digital bildanalys. Syftet med detta examensarbete är att utveckla en proof-of-concept (POC), en prototyp som används för att demonstrera ett koncept eller en idé i praktiken, som visar på hur bildigenkänning och maskininlärning kan användas för att uppskatta volymen av rundvirke på en transport. Målgruppen är framför allt personal anställda på Holmen ute på virkesterminaler. Systemet består av en frontend byggd i Angular med komponentbiblioteket Kendo UI samt ett backend-API i ASP.NET Core C#. Backend kommunicerar med Azure Custom Vision för analys av bilder och Microsoft Entra ID används för autentisering. Resultatet visar att det är fullt möjligt att uppskatta volymen av rundvirke utifrån en bild, särskilt under goda ljus- och väderförhållanden. Genom att identifiera enstaka stockar och referensobjekt i bilden, samt känna till den verkliga storleken på referensobjekten, kan systemet beräkna en skalfaktor som möjliggör en uppskattning av stockarnas dimensioner och därmed den totala volymen.