Model Agnostic Meta Learning (MAML) for 3D Forestry Artificial Intelligence

Syfte och mål

Deep Forestry, SCA och LiU har gemensamt åtagit sig arbetet att utveckla och testa en ny klasd-inkrementell inlärningsmetod för att underlätta effektiv utökning av setet av kända klasser som krävs för att hantera nya uppgifter och miljöer. Metoden ligger till grund för en kommersiellt tillgängligt AI verktyg för klassificering av skogsinventarier, arter, biologisk mångfald och ekosystem. Nyckeldata för att förbättra skogsbrukets värdekedja inkluderar, inventering av trädålder på individ nivå samt digitalisering av skördare s beslutsfattning.

Resultat och förväntade effekter

Projektet assisterade utrullningen av en kommersiell Ai Algorithm som kan användas för klassifikation av skogsbestånd, arter, biodiversitet och ekosystem. Ai systemet såldes som en del av flera internationella pilotstudier som genererade intäkter för Deep Forestry. Projektet är grunden till ett Ai system som kan segmentera och klassificera ekosystem i skog globalt. Rekommendationer om förbättringar i skogsbrukets värdekedja användes som guide för fortsatt utveckling, förbättring och skalning av Deep Forestry’s produktportfölj och bidrog till en investeringsrunda.

Upplägg och genomförande

Implementationen av projektet inkluderade några anpassningar. Efter den första fasen av projektet bestämdes det att Deep Forestry skulle ta den ledande rollen för att kategorisera träningsdatan. Detta genomfördes och en kommersiell version av Ai:n var tränad och verifierad med verkliga data. Efter projektets slutförande har Deep Forestry AB börjat implementeringen av den klass agnostiska Ai algoritmen på en molnbaserad plattform. Deep forestry Ai har även blivit tränad i nya klasser med goda resultat sedan projektet har slutförts.

Externa länkar

The website for the commercialization of the project results.