När travmätning blir datadriven öppnas nya möjligheter.

Klassificeringen är inte betalningsgrundande, men den är viktig för att styra råvaran rätt direkt – vilket spar både tid och pengar. Rätt råvara till rätt produkt säkrar dessutom en jämn kvalitet i slutprodukten.

Från erfarenhetsbedömning till datadrivet stöd

Historiskt har klassificeringen gjorts manuellt av Biometria i samband med mätningen. Metoden är konsekvent och bygger på erfarenhet. I dagens arbetsflöde registreras informationen senare i mätkedjan, och vid lossning baseras klassificeringen på den information som finns tillgänglig då.

I dialog mellan parterna väcktes frågan om GPV:s bilddata skulle kunna användas som ett tekniskt stöd för att stärka konsekvensen i bedömningen. Projektet startade i oktober 2025.

Utgångspunkten var enkel men tekniskt utmanande: kan vi använda befintlig kameradata för att hitta mönster som korrelerar med svart och orange ved?

Så utvecklades modellen

Det finns ett samband mellan trädets ålder och stockens ytterdiameter, eftersom antalet årsringar påverkar dimensionen.
Att kunna diameterfördela massaved är en grundläggande funktion i GPV och en förutsättning för att projektet skulle vara möjligt. Systemet kan redan idag automatiskt diameterfördela massaved i tre klasser för betalningsgrundande vederlagsmätning, och med hög noggrannhet beräkna medeldiameter. Det är just denna förmåga som ligger till grund för att kunna klassa rätt.

Arbetet tog därför sin början i att undersöka hur GPV:s befintliga kameradata kunde användas för att fånga detta samband på ett strukturerat och repeterbart sätt.

Mabema använde material som redan var klassificerat och utvecklade tillsammans med Biometria en modell baserad på:
•Medeldiameter
• Andel stockar där en viss procent överstiger en definierad diameter

Det visade sig att det var kombinationen av parametrar som gav bäst träffsäkerhet.
Resultaten jämfördes i flera omgångar mot ordinarie mätflöde och bedömdes av professionella mätare. Efter varje test gjordes justeringar i modellen, följt av nya utvärderingar. På så sätt kunde Mabema och Biometria stegvis förfina modellen tills bildanalysen gav ett stabilt och tillförlitligt stöd.

En viktig del i lösningen är att varje trave klassas för sig, och även deltrave när sådan finns. Det ger en högre upplösning och noggrannhet än att klassificera hela lasset som en enhet.

Testbedömningarna visar att modellen ger ett mer konsekvent stöd än dagens manuella registrering vid lossning och ligger nära en manuell bedömning utförd av erfarna mätare.

Nästa steg

Det finns fortfarande faktorer som påverkar klassificeringen och som utvecklas vidare, exempelvis kopplat till trädslagsfördelning i traven.

Nästa mål är att informationen ska vara tillgänglig direkt efter mättältet, så att chaufför och lossningstruck får samma beslutsunderlag i realtid. Integration mot Södras uppföljningssystem är under arbete.

GPV i ständig utveckling

Projekt Svart/Orange ved visar något större än en enskild funktion. Det visar hur data från GPV kan användas på nya sätt.
Det handlar inte om att mäta mer. Det handlar om att använda den data som redan finns för att skapa ytterligare värde i industrins flöden.

Projektet är ett exempel på hur GPV fortsätter att utvecklas tillsammans med branschen. Det är i dialogen mellan industri, mätorganisation och teknik som nya möjligheter uppstår.

GPV är inte ett färdigt system. Det är en plattform som ständigt utvecklas, där nya användningsområden växer fram ur den data som redan finns.

Tillsammans med våra kunder fortsätter vi att ta utvecklingskliv framåt.

Och mer är på väg.

Vill du veta mer om Mabemas GPV? Kontakta oss!