Hae it-yrityksiä
osaamisalueittain:

Asiakkuudenhallinta CRM BI ja raportointi HR Tuotekehitys ja suunnittelu Toiminnanohjaus ERP Taloushallinto Markkinointi Webkehitys Mobiilikehitys Käyttöliittymäsuunnittelu Tietoturva Verkkokaupparatkaisut Ohjelmistokehitys Integraatiot Pilvipalvelut / SaaS Tekoäly (AI) ja koneoppiminen Lisätty todellisuus ja VR Paikkatieto GIS IoT Microsoft SAP IBM Salesforce Amazon Web Services Javascript React PHP WordPress Drupal

Luke – Valkohäntäpeurojen automaattinen tunnistaminen ja laskenta

ReferenssiLuonnonvarakeskus (Luke) pilotoi Aureoliksen kanssa valkohäntäpeurojen automaattista tunnistusta ja laskentaa SAS-teknologialla. Riistakameran kuvista eriteltiin algoritmin avulla myös se, oliko kuvassa uros, naaras vai vasa. Ideana on, että automaattinen tunnistus helpottaa ja nopeuttaa tutkijoiden työtä ja raportointia.

“Me Lukessa seuraamme muun muassa riistakantoja ja teemme ennusteita. Eri lajeja seurataan erilaisin menetelmin ja hyödynnämme esimerkiksi kameroita, jälkiseurantaa ja DNA-näytteitä. Halusimme testata, miten SAS-teknologiaa voitaisiin hyödyntää tunnistusprosessissa ja laskennassa. Kuvien läpikäynti on hyvin mekaanista ja manuaalista työtä. Kun se voidaan automatisoida, se vapauttaa tutkijalta aika paljon aikaa”, Luken digijohtaja Topi Hanhela kertoo.

Valkohäntäpeurojen laskennan pilotointi käynnistyi toukokuussa 2020 ja järjestelmä oli koekäytössä parin kuukauden päästä elo-syyskuussa. Saman projektin aikana Luke testasi Aureoliksen kanssa myös hallinnon raportointien kehittämistä sekä kaupallisen kalastuksen tilastotiedon analysointia ja visualisointia uusilla menetelmillä.

Algoritmi opetetaan tunnistamaan ja erittelemään

Valkohäntäpeurojen tunnistusta ja luokittelua (uros, naaras, vasa) toteutti pilotissa SAS Viyan avulla luotu algoritmi, jolle tunnistaminen ja erittely oli opetettu vaihe vaiheelta. Valkohäntäpeurat valikoituivat pilottikohteeksi, koska niistä oli jo olemassa iso määrä riistakamerakuvia.

“Aluksi järjestelmälle näytetään vain kuvia, joihin on merkattu valkohäntäpeura. Vähitellen yritysten ja erehdysten kautta järjestelmä oppii tunnistamaan uusista kuvista valkohäntäpeurat. Testiaineiston avulla järjestelmälle opetetaan, mikä meni tunnistuksessa oikein ja mikä väärin. Tunnistusprosentti saadaan varsin nopeasti nostettua yli 90 prosenttiin”, projektissa mukana ollut Aureoliksen Business Advisor Jens Forsman selvittää.

Algoritmin kehittäminen on varsin mekaanista puuhaa. Koulutusmateriaalista edetään testiaineistoon ja nostetaan tunnistusprosenttia järjestelmää harjaannuttamalla. Järjestelmän kannalta valkohäntäpeuran lisäksi oleellisia asioita ovat myös muut kuvaan vaikuttavat tekijät, kuten vuodenaika, erilaiset sääolosuhteet ja valon määrä.

“Jos on tärkeää tunnistaa haluttu asia eri vuodenaikoina ja eri valaistuksessa, näitä variaatioita on tuotava järjestelmän koulutusaineistoon. Jos taas tutkittava eläin olisi vaikkapa metsäjänis, täytyisi huomioida erikseen se, että järjestelmä tunnistaa eläimen metsäjänikseksi, vaikka se on kesällä ruskea ja talvella valkoinen.”

Tunnistukset ovat lopulta matemaattisia kaavoja, joita järjestelmä toteuttaa. Yksi kaava esimeriksi vastaa kysymykseen siitä, onko kuvassa valkohäntäpeura ja toinen kysymykseen, onko kyseessä uros ja niin edelleen.

“Järjestelmä kertoo myös, millä todennäköisyydellä luokitus on oikea. Näin esimerkiksi tutkija voi tarkistaa aineistosta ne kuvat, joissa koneälyn tunnistusvarmuus jää tietyn todennäköisyysprosentin alle.”

Digistrategia johdattaa innovatiivisiin ratkaisuihin

Luke tuottaa runsaasti tietoa ja tietoaineistoja osana tutkimus-, tilasto- ja viranomaistyötään. Hanhela kertoo, että Luken digistrategian mukaisesti he pyrkivät luomaan kustannustehokkaita ja hallittuja palveluita tutkimuksen tekemisen mahdollistamiseksi ja helpottamiseksi.

“Kun tutkimusprosessista voidaan automatisoida tiettyjä osa-alueita ja esimerkiksi helpottaa raporttien laadintaa, digitaalisia palveluita ja julkaisuja pystytään tuottamaan tehokkaammin erilaisiin käyttötarkoituksiin”, Hanhela kiteyttää.

Riistakameroiden kuvat ovat vain yksi esimerkki mahdollisista hyödynnettävistä kuva-aineistojen lähteistä. Analyysin pohjana voisi olla hyvin monenlaisia lähteitä. Tekniikan tarjoaman potentiaalin soveltamiseen vain mielikuvitus on rajana.

“Esimerkiksi ylilennot ja dronekuvat voisivat olla yksi kuvamateriaalin lähde. Otetuista kuvista voitaisiin samalla tavoin tehdä analyysia kuin riistakamerankin kuvista. Laskennan lisäksi kuva-analytiikkaa voisi käyttää vaikkapa sen havainnontiin, löytyykö mansikkatilalta mansikoiden lehdistä jokin haitallinen tauti ja kuinka laajalti sitä esiintyy”, Forsman luettelee esimerkkejä.

Pinterest
Referenssin infoboxi
Aureolis Oy logo

Tiedot

Tilaaja: Luonnonvarakeskus
Ajankohta: 2020

Lisätietoja

Yritysprofiili Aureolis kotisivut

Tagit

Jos tarjontatagi on sininen, pääset klikkaamalla sen kuvaukseen

Liiketoimintaprosessi

Laatu, turvallisuus ja ympäristö
Tuotekehitys ja suunnittelu

Erikoisosaaminen

Analytiikka
Tekoäly (AI) ja koneoppiminen

Toimialakokemus

Julkishallinto

Teknologia

Azure

Tarjonnan tyyppi

Toteutustyö

Omat tagit

hahmontunnistus
SAS Viya

Siirry yrityksen profiiliin Aureolis kotisivut Yrityshaku Referenssihaku Julkaisuhaku

Aureolis - Asiantuntijat ja yhteyshenkilöt

Asiantuntijoita ja yhteyshenkilöitä ei ole vielä kuvattu.

Aureolis - Muita referenssejä

Aureolis - Muita bloggauksia

Digitalisaatio & innovaatiot blogimedia

Blogimediamme käsittelee tulevaisuuden liiketoimintaa, digitaalisia innovaatioita ja internet-ajan ilmiöitä

Etusivu Yrityshaku Pikahaku Referenssihaku Julkaisuhaku Blogimedia