Hyppää sisältöön

Suomen ympäristökeskus | Finlands miljöcentral | Finnish Environment Institute

sykefi header valkoinen

Konenäköpalvelut ympäristöseurannoissa 2025 (Env-AI)

Lyhytosoite: syke.fi/hankkeet/EnvAI

Tavoitteet

  • Tuotetaan avointa ja korkealaatuista opetusaineistoa konenäkömallille eri menetelmillä.
  • Parannetaan konenäkömallia ja arvioidaan erilaisia opetustapoja (lisääminen ”augmentation” ja hienovirittäminen ”fine-tuning”, näin voidaan myös hyödyntää jo olemassa olevaa aineistoa.
  • Tutkitaan, miten opetusaineistoa tulee tuottaa jatkossa mallin laajennettavuuden parantamiseksi.
  • Tutkitaan vaikuttavien muuttujien, kuten lentokorkeus, vaikutusta tunnistuksen luotettavuuteen.
  • Opetetaan valittuja kohteita koneelle hyväksi todetulla tavalla.
  • Arvioidaan menetelmän luotettavuutta kahdella koealueella, esim. isosorsimo Pirkanmaa.
Jättipalsamin tunnistaminen onnistuu yli 90 % luotettavuudella, mutta ei vielä riittävän korkealta. Kuva Lahden maankaatopaikalta kesällä 2019. © Kuva: Jari Silander

Tausta

Teknologian avulla voidaan tunnistaa kuva-aineistosta automaattisesti näkyviä kohteita, kuten tietyt vieras-, uhanalais- ja vesikasvilajit sekä elinympäristöjä niin maa-, vesi- kuin liikennealueilla. Konenäön laajamittaisemmaksi hyödyntämiseksi tarvitaan kestävä tapa tuottaa tehokkaasti eri tarkoituksiin soveltuvaa opetusaineistoa. Näin voidaan vieraslajien ja vesikasvien kartoittaminen suorittaa tehokkaasti, mikä mahdollistaa menetelmän laajemman käyttämisen eri tarkoituksiin esimerkiksi biomassa arviointiin.

Ympäristöministeriö rahoitti 2017 hankeen nimeltä Konenäkö ympäristötiedon tuotannossa (EnVision), joka osoitti, että maastokartoitusta voidaan tehdä konenäön avulla. Hankkeen jälkeen käynnistettiin hallituksen kärkihanke nimeltä "Tekoäly ja IoT- vesiriskien ja vesivarojen hallinnassa (ÄlyVesi)". Ilma-aluskuvauksia tehtiin Suomessa 69 ja Virossa 39 lentoa yli 30 eri lajista, käyttäen pääosin optista kuvantamista lentokorkeuksilta 3 – 20 m. Konenäkömallin luotettavuus oli yli 90 %, mutta mallin toimivuus eri alueilla sekä yhdenmukaisten tulosten saaminen eri kuvaajien toimesta vaati konenäkömallin sekä opetusaineiston laadun parantamista aineiston hyödynnettävyyden parantamiseksi.

Menetelmät

Tutkimuksissä käytetään muun muassa luokittelua, kuvatunnistuksen menetelmiä ja ohjatun opettamisen menetelmiä.

Kirjallisuutta

Lisätietoja

  • Erikoistutkija Jari Silander, puh: +358 295 251 638, etunimi.sukunimi@ymparisto.fi
Julkaistu 30.6.2020 klo 13.40, päivitetty 1.7.2020 klo 17.32

Kohderyhmä: