Hyppää sisältöön
  • Vähähiilisyys
  • Älykkyys
  • Viihtyisää ja terveellistä viherympäristöä edistävät kokeilut

Tekoäly- ja konenäkömenetelmät seudullisen maanpeiteluokittelun parantamisessa

Kaupungit tarvitsevat tietoa vettä läpäisevien ja läpäisemättömien pintojen sijainnista alueellaan suunnittelua, tulvariskianalyyseja ja simulointeja varten.

Pyrimme kehittämään HSY:n seudullisten kaukokartoitusaineistojen tekoäly- sekä konenäköpohjaisia maanpeitteen luokittelun menetelmiä. Keskityimme erityisesti hulevesien hallinnan/läpäisevyyden kannalta olennaisten pintojen (asfaltti, hiekka) automaattiseen tunnistamiseen  ja kartoittamiseen automaattisesti ilmakuvilta.

Tulokset

  • Odotukset jäivät täyttymättä, sillä testattu lähtöaineisto ei riittänyt automaattiluokitukseen.
  • Saatiin kokemuksia Mask-RCNN-pohjaisen neuroverkon ja Tensorflow:n hyödyntämisestä uuteen teemaan.
  • Käsitys riittävän lähtöaineiston ja tarkan luokittelun merkityksestä ja opetusaineiston määrästä.
  • Ymmärrys AI/NN-prosessin haasteista ja tulosodotusten asettamisesta realistiselle tasolle.

Vaikutukset

  • Kokeilusta ei saatu aikaiseksi välittömiä vaikutuksia. 
  • Onnistuessaan menetelmää olisi voinut hyödyntää laajasti Suomen kunnissa ja kansainvälisestikin 
  • Lähtöaineistojen tarkentamisella ja lisäämisellä olisi merkittävä vaikutus automaattiluokittelujen onnistumiseen. Menetelmä itsessään on toimiva, mutta vaatii paremmat lähtötiedot.

Yhteistyössä

 

  • Pointscene Oy
  • Helsingin Seudun
  • Ympäristöpalvelut HSY
  • Ympäristöministeriö
Sivun alkuun