Haapojen tunnistus ilmakuvista tekoälyä hyödyntäen

Abstract

Tämä opinnäytetyö käsittelee haapoja (Populus tremula) ilmakuvista tunnistavan tekoälymenetelmän luotettavuutta. Haapa on luonnon monimuotoisuuden kannalta tärkeä puulaji ja kestävän metsänhoidon näkökulmasta on tarve tiedolle haavan esiintymisestä. Tietoa voidaan hyödyntää metsienkäytön suunnittelussa ja kestävän metsänhoidon toimenpiteiden suorittamisessa. Työn toimeksiantaja, KOKO Forest Oy, on kehittänyt tekoälyyn pohjautuvan menetelmän, joka pystyy automaattisesti tunnistamaan haavat ilmakuvista.

Tutkimuksen päätavoitteena oli arvioida, kuinka luotettavasti tekoälymalli tunnistaa haavat mänty- ja kuusivaltaisissa metsissä, ja mitkä ovat puustotunnuksien rajat tunnistamiselle. Lisäksi tutkimuksessa pyriittiin selvittämään mahdollisia muita tunnistuksen onnistumiseen vaikuttavia tekijöitä. Tutkimuksessa kerättiin maastoaineistoa Lohjan ja Helsingin alueilta, ja tekoälyn tuottamia tuloksia verrattiin maastossa havaittuihin tietoihin. Tutkimus osoitti, että menetelmä tunnisti luotettavasti yli 30 cm rinnankorkeus läpimitan omaavia, ylemmässä latvuskerroksessa olevia haapoja. Pienemmät ja alemmassa latvuskerroksessa olevat haavat jäivät usein tunnistamatta. Haapoja jäi myös tunnistamatta erityisesti alueilla, joilla haapojen läheisyydessä oli teitä tai muita rakenteita.

Tuloksien mukaan menetelmä tunnisti keskimäärin 49 % kaikista haavoista, mutta järeiden haapojen osalta tunnistusprosentti nousi jopa 71 %. Menetelmän luotettavuuden arvioinnissa käytettiin myös F1-tulosta, joka oli koko aineiston osalta 0,66, mutta yli 30 cm läpimitan haapojen kohdalla jopa 0,83.

Tutkimuksen johtopäätöksinä todettiin, että vaikka menetelmä on hyödyllinen suurten haapojen tunnistamisessa, pienempien ja alempien latvuskerroksen haapojen kohdalla tarvitaan edelleen kehitystyötä. Menetelmän tuottamaa tietoa voidaan kuitenkin hyödyntää metsäekosysteemien monimuotoisuuden arvioinnissa ja suunnittelussa. Tämän työn tuloksia hyödynnetään tekoälymenetelmän jatkokehityksessä.