Nya träningsdata lär AI att förstå skogen

I en tid då skogsindustrin digitaliseras i snabb takt är tillgången till högkvalitativa data avgörande. Nu visar en färsk avhandling att skördardata och artificiellt genererad information kan användas för att träna AI-baserade beslutsstöd att klassificera träd och upptäcka kvalitetsavvikelser.

Diskussionerna går heta om hur AI kan bidra till ett mer resurseffektivt och medvetet brukande av skogen. Samtidigt finns det inte tillräckligt mycket detaljerade och platsspecifika träningsdata för att göra en sådan utveckling möjlig. 

I november disputerade Raul de Paula Pires vid SLU med en avhandling där han, med stöd av Mistra Digital Forest, undersöker två nya möjliga datakällor som kan användas för att träna AI-baserade beslutsstöd för skogsinventering.

En guldgruva i sammanhanget visar sig vara de skördardata som redan samlas in av skogsbolagen. Genom att kombinera den datakällan med laserdata från flyg byggdes en AI-modell som med mycket god noggrannhet klassificerar trädslag.

– Särskilt spännande är det att AI-modellen kartlägger skogens värde med förhållandevis lite träningsdata och att skogsbolagen redan har tillgång till den här sortens data, för dem är den både gratis och aktuell, säger Raul de Paula Pires.

Syntetisk data – när verkligheten inte räcker

Vissa företeelser i skogen är så pass sällsynta att det skulle vara enormt tidskrävande att samla in tillräckligt mycket träningsdata genom traditionell fältinventering. Ett sådant exempel är träd med krök – de utgör drygt två procent av alla träd men har stor inverkan på virkesvärdet. I en studie påvisade Raul de Paula Pires tillsammans med skogsmaskintillverkaren Komatsu Forest att syntetiska data kan användas för att träna AI att identifiera träd med krök. I det här fallet handlade det om att låta AI träna på tusentals datorgenererade träd.

– Syntetisk data är intressant för att träna AI på allt från att klassificera trädslag under skiftande väderförhållanden till att detektera ovanliga kvalitetsavvikelser som krök och svamptillväxt. Vi har lång och positiv erfarenhet av samarbeten med universitet och forskningsinstitut; inte sällan lägger de grunden för interna utvecklingsprojekt av olika slag, säger Johan Fransson, Team Leader Strategic Research på Komatsu Forest.

De här forskningsresultaten om nya möjliga träningsdata har nu kopplats ihop med ett annat projekt där Komatsu Forest, SLU och Skogforsk undersöker hur information om krök kan optimera kapningen av stammar.

– Genom att bredda sin verktygslåda och använda fler datakällor kan skogsindustrin dra nytta av AI för att fatta välgrundade beslut om skogsskötsel och naturvård, säger Raul de Paula Pires avslutningsvis.


Herobild: Komatsu Forests 951XC, den maskinmodell som användes i projektets tester.