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
