Als PhD-student richt ik me op het gebruik van kunstmatige-intelligentietechnieken, waaronder computer vision en machine learning, om eigenschappen in microscopische houtanatomie te herkennen. Mijn uiteindelijke doel is om een pijplijn voor houtidentificatie te ontwikkelen om de identificatie van hout te vergemakkelijken, de illegale houthandel te bestrijden en de CITES-regelgeving te ondersteunen. Ik heb ook het EyeWood© microscopisch databasebeheersysteem voor hout ontwikkeld en de FEC-methode voorgesteld, een snel ophaalsysteem voor anatomische kenmerken op basis van machine learning.
Sleutelwoorden
Houtanatomie, machine learning, microscopische beeldclassificatie, functiedetectie