Forskning:
Simulerade skogar möjliggör
AI-träning för skogsanalys
TEXT: Nicolas von Kraemer
Forskare Kimmo Riihiaho har som en del av sin doktorsavhandling utvecklat en simulator som kan skapa exakta simuleringar för skog och annan växtlighet. Data från simulerade skogar kan användas för att träna artificiell intelligens (AI), vilket i sin tur möjliggör analys av flygbilder tagna med spektralkameror för att bedöma växtlighetens hälsotillstånd och upptäcka skogsskador.
Ny forskning vid Jyväskylä universitet åskådliggör hur AI kan användas för att analysera skogen. Forskare Kimmo Riihiaho har undersökt hur detaljerade spektrala simuleringar av växtlighet kan genereras med datorer och hur dessa kan användas tillsammans med spektralkamerabilder som tagits i naturen.
Den utvecklade simulatorn, HyperBlend, är ytterst flexibel och kan skapa noggranna simuleringar av både skogar och mikroalger odlade i fotobioreaktorer.
Spektralkameror synliggör skogens hälsotillstånd
Riihiaho påpekar att spektralkameror ofta används för att övervaka skogars och annan växtlighets hälsotillstånd, men en av de största utmaningarna utgörs av den enorma mängd data som genereras och behöver analyseras.
– En spektralkamera kan mäta ljuset som reflekteras från eller passerar genom ett objekt inom mycket smala våglängdsband. Den har en betydligt högre spektral upplösning än en vanlig kamera och kan ge detaljerad information om materialets egenskaper, förklarar Riihiaho.
Att manuellt analysera denna stora datamängd är i praktiken omöjligt, vilket gör att maskininlärningsmetoder behövs för att tolka informationen.
– Maskininlärningsmetoder kan inte automatiskt analysera spektralbilder av växter utan måste först tränas. Särskilt neurala nätverk kräver enorma mängder träningsdata för att fungera pålitligt. Att samla in sådan data från naturen är tidskrävande, vilket gör det fördelaktigt att använda simuleringar för AI-träning, säger Riihiaho.
Billigare drönare underlättar
Den ökade tillgången på drönare till rimliga priser, i kombination med lättare spektralkameror, har ökat intresset för att använda drönare vid analyser av skogars biofysiska och biokemiska tillstånd.
Redan idag används simulerad spektraldata för att träna AI-modeller, men de flesta befintliga simulatorer är utvecklade för att efterlikna data från rymd- och flygburna sensorer. HyperBlend däremot är specifikt inriktad på simulering av data från lågflygande bildsensorer.
– I simulatorn kan användaren definiera parametrar för växternas blad, såsom vatteninnehåll och klorofyllhalt, samt specificera markens sammansättning och skogens geometri – exempelvis trädens form, antal och placering, beskriver Riihiaho.
Med HyperBlend kan liknande virtuella skogar skapas automatiskt och i obegränsad mängd, varefter spektralbilder genereras och används för att träna AI-modeller. Enligt Riihiaho kan simulatorn i framtiden bli ett verktyg som används både inom jord- och skogsbruk.
– Hittills har HyperBlend använts för simuleringar av skogar och fotobioreaktorer. I framtiden kan den här typen av simulatorer bli viktiga verktyg för att utveckla AI-lösningar som automatiskt övervakar grödors och åkrars hälsotillstånd eller identifierar skadedjur i skogen.