Kvalitetsklassning av sågtimmer vid stockmätning görs idag manuellt eller semi-automatiskt med hjälp av mätramar och röntgensystem. Automatisering av detta steg kan leda till en effektivare process och en jämnare kvalitet. En del nedklassningsorsaker som idag bedöms manuellt bör kunna detekteras med hjälp av bildigenkänning, vilket kan fungera som ett komplement till de system som används idag för att ta ett steg närmare till en helautomatisk kvalitetsbedömning av sågtimmer. Vi har monterat kameror vid mätstationen på Holmens sågverk i Bygdsiljum och samlat in högupplöst video på stockar. Stillbilder från det insamlade videomaterialet har plockats ut och stockar, trädslag och defekter har markerats i bilderna. De annoterade bilderna har använts för att träna objektdetektionsmodeller som har bistått i arbetet att annotera fler bilder i flera iterationer.