Site Specific Forestry AI

Viktiga resultat som projektet gav

Projektet Site Specific Forestry AI genomfördes med resultat som var över förväntan. Ett system för att annotera data med en handhållen enhet och tilldela attribut för objekt av intresse utvecklades. Tester visar på goda resultat med attribut tilldelade objekt för t.ex. naturvärden. Datan användes i förlängningen för att träna Deep Forestrys SeMaFore AI algoritm som med denna förstärkta inlärning tränas för nya klasser med en bråkdel av den tidigare datamängden som varit nödvändig.

Långsiktiga effekter som förväntas

Utfallet från projektet var över förväntan positivt. Projektets uppsatta mål att underlätta datainsamling och märkning av data uppnåddes och en operationell "AI Training Data Acquisition Device" togs fram. Detta är ett banbrytande sätt att samla in och annotera data på vilket kommer att accelerera utveckligen flerfaldigt. Nu kan man utnyttja befintlig kompetens inom skogsbruket för att utveckla nya digitaliserade verktyg och kvantifierade metoder. Nu får industrin nya möjligheter för att mäta parametrar som tidigare endast har kunnat uppskattas subjektivt.

Upplägg och genomförande

I ett tätt samarbete med Deep Forestrys tidigare partners från akademi så genomfördes projektet med en hög nivå av samverkan där forskningens framkant inom datorseende och maskinlärning kombinerades med Deep Forestrys kompetens inom digitalisering av skogsbruk.