Tekoäly- ja konenäkömenetelmät seudullisen maanpeiteluokittelun parantamisessa
Kaupungit tarvitsevat tietoa vettä läpäisevien ja läpäisemättömien pintojen sijainnista suunnittelua, tulvariski-analyyseja ja simulointeja varten. Kokeilu pyrki kehittämään HSY:n kaukokartoitusaineistojen tekoäly- ja konenäköpohjaisia maanpeitteen luokittelun menetelmiä.
Se keskittyi hulevesien hallinnan ja läpäisevyyden kannalta olennaisten pintojen (asfaltti, hiekka) 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 parani.
- 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
.png/1a1149e6-3170-e84b-6c42-fcb5de041d5a?version=1.0&t=1681805058252)
