Detektering av granblommor i fröodlingar med hjälp av högupplösta drönarbilder

I projektet, som går under benämningen FLOWER, används AI-baserade algoritmer för bildigenkänning för att kartlägga blomning och insektsskador i fröplantager.

Artificiell intelligens-baserade algoritmer som bygger på ett koncept med bildigenkänning i högupplösta drönardata utrustade med optiska sensorer kan idag användas för digital och avancerad skogsförvaltning (exempelvis i precisionsskogsbruk) avseende övervakning av enskilda träd. Detta koncept föreslås i föreliggande projekt att användas för kartläggning av enskilda träd i fröodlingar.

Projektet kommer att använda granfröodlingar som en modellmiljö för att uppskatta antalet granblommor per träd från högupplösta drönarbilder tagna med multi- och hyperspektral kamera i syfte att undersöka möjligheten att observera kottkvalitet med avseende på angrepp av insekter och/eller svampsjukdomar.

Information som samlas in vid blomningstiden skulle kunna användas som underlag för att planera trädspecifika förvaltningsåtgärder i fröplantager och kottinsamling på senhösten, särskilt om en heltäckande och detaljerad kontroll av kottarnas skick kunde utföras före insamlingen. Vidare skulle insamling av blomningsdata per trädklon möjliggöra en mer exakt analys av den genetiska kvaliteten och mångfalden i den årliga fröskörden.

FLOWER leds och samordnas av Naturresursinstitutet i Finland (Luke) i samarbete med Geodatacentral FGI (Finnish Geospatial Research Institute) och Linnéuniversitetet, och är ett gemensamt projekt mellan finska och svenska experter inom fjärranalys, geospatial information, sensorer och fröodling. Resultaten av projektet kommer att vara öppet tillgängliga för användning av företag som samlar in spatiala data och av företag som producerar skogsträdsfrön.