Konenäkö ympäristötiedon tuotannossa (EnVision)

Lyhytosoite: http://www.syke.fi/hankkeet/envision

Tuloksia

Kokeilussa selvisi, että konenäössä ja automatisoidussa tiedon tuottamisessa on paljon potentiaali. Tulevaisuudessa konenäkö voi toimia laajassakin mittakaavassa luonnonhoidon tukena. Sitä voidaan soveltaa liikkenne- ja viheralueiden hoidossa, lajien kartoituksissa, luontoselvityksissä, kaavoituksen vaikutusten arvionnissa sekä YVA- ja lupamenettelyjen tukena.

Konenäön tuotantokustannukset ovat riittävän alhaiset ja työ on vaativissa olosuhteissa perinteistä maastotyötä edullisempaa, etenenkin vaikeakulkuisessa maastossa tai laajoilla alueilla automaattinen kuvatulkinta on tehokas apuväline. Esimerkiksi kasvine kartoituksessa voidaan tunnistaa rehevöitymisen kannalta keskeiset lajit ja niiden kasvustot.

Tavoitteet

Hankkeen tarkoitus on arvioida konenäön soveltuvuutta lajien tunnistamiseen ympäristötiedon tuotannossa maa- vesi- ja liikennealueilla.  Hanke edistää liikenneviraston, ELY-keskusten ja yritysten yhteistyötä sekä tukee konenäön kehittämistä Suomessa. Hankkeen tavoitteena on helpottaa kaukokartoitusaineistojen, pääosin ilma-aluspalveluiden, hankintaa ympäristöhallinnossa sekä varmistaa että hankittavien palvelu luotettavuus sekä palvelukyky ovat riittävät käyttötarkoitukseen.

Kuvat © Jari Silander

Tausta

Ympäristönäytteenotto, kartoitustyö ja maastoinventoinnit aiheuttavat suuria kustannuksia sekä Suomessa että muualla Euroopassa. Kartoituksissa on käytetty satelliittiaineistoja ja osin jo ilmakuvia, joita uusi kansallisen kuvausohjelman tuottaa.

Konenäkö ja siihen liittyvät sovellukset kehittyvät nopeaan tahtiin. Konenäkö tuottaa ratkaisuja, joilla kerättävän tiedon vakiointi paranee (inhimillisten virheiden vähetessä) ja samalla tietoaineistojen vertailukelpoisuus paranee. Samaan aikaan Drone-laitteiden käytössä otetaan nopeita edistysaskeleita. Näiden kahden teknologian yhdistäminen maastosta kerättäviin aineistoihin on potentiaalinen kehityskohde. Aineiston keruuseen on edelleen mahdollista kytkeä automaattista aineiston käsittelyä, joka pohjautuu aiemmin tunnistettuihin tietotarpeisiin. Eri osaamisalueet yhdistämällä voidaan tuottaa sekä alueellista karttatietoa, ympäristön laatutietoa, että pidemmälle jalostettuja tuotteita jotka palvelevat mm kohteiden hoitotarpeen määrittelyä tai ympäröivän maankäytön suunnittelua.

Yritysyhteistyö on tärkeää hankkeessa. Käytännössä hankkeessa tarvittava tekninen osaaminen konenäön osalta ostetaan yrityksiltä, jotka kehittävät oppivia järjestelmiä.

Hanke on osa MONITOR 2020-ohjelmaa, jossa kehitetään seurannan vaikuttavuutta ja kustannustehokkuutta parantamalla metodiikkaa, prosesseja, verkostoitumista, tiedon laatua ja käyttöä, jakelua sekä hyödyntämistä .

Menetelmät

Työ rajataan lajien tunnistamiseen käyttäen edullisia ja yleisesti saatavilla olevia teknologioita, jotta tuotantokustannukset pysyvät kohtuullisina ja palvelun hankinta olisi mahdollista myöhemmin.

Vaiheet:

1. Kuvataan älypuhelimella, videokameralla sekä ilma-aluksella inventointi ja viheralueiden kasvillisuutta.
2. Opetetaan aineiston perusteella konenäköohjelma tunnistamaan valitut lajit sekä niiden pinta-alat. Tunnistamiseen käytetään automaattisen kuvatulkinnan menetelmiä esim. segementointia, syvä oppimista ja 3D mallinnusta.
3. Arvioidaan menetelmän toimivuutta.
4. Raportoidaan tulokset.

Kirjallisuutta

• Konenäkö ja automatisoitu tiedon tuottaminen viheralueista (Liikenneviraston tutkimuksia ja selvityksiä 55/2016)

Lisätietoja

• Erikoistutkija Jari Silander, puh: +358 295 251 638, etunimi.sukunimi@ymparisto.fi