Koneoppiminen auttaa metsäkonetta tuntemaan ympäristönsä

Suomen laajat metsään liittyvät tietoaineistot ja älykkäiden metsäkoneiden tuottama data mahdollistavat uudenlaisen datavirtojen yhdistelyn. Näiden data-aineistojen analysointi koneoppimisen menetelmillä mahdollistaa metsäoperaatioiden ja niiden ympäristövaikutusten tarkemman tuntemisen. DI Lari Melanderin väitöstutkimuksen mukaan tulevaisuudessa metsäkone osaa ottaa huomioon metsäympäristön vaikutuksen omaan toimintaansa sekä toimia tavalla, joka minimoi syntyneitä metsävaurioita.

Suomessa kerätään paljon metsiin liittyvää tietoa, ja etenkin julkisin varoin kerätty metsävaratieto on avointa sekä kaikkien hyödynnettävissä. Metsävaratietoa käytetään hyväksi esimerkiksi metsänhoitoa suunniteltaessa. Suomessa käytetään myös erittäin korkean automaatioasteen metsäkoneita, erityisesti puunkorjuussa. Lari Melander tutki väitöskirjassaan, miten näiden kahden voimavaran yhdistäminen voisi tuottaa lisäarvoa metsätaloudelle.

- Metsävaratietoa käytetään jo nykyisinkin paljon metsänhoitotoimenpiteitä suunniteltaessa, mutta ei niinkään operatiivisessa toiminnassa eli silloin kun metsäkone liikkuu metsässä. Olisi kuitenkin erittäin hyödyllistä ymmärtää, miten metsäympäristö vaikuttaa esimerkiksi metsäkoneen ja sen kuljettajan tehokkuuteen, Melander kertoo.

Melander ehdottaakin väitöskirjassaan menetelmää metsävaratiedon ja metsäkoneen väylätiedon yhdistämiseksi. Menetelmällä tuotetusta tiedosta voidaan koneoppimisen menetelmillä etsiä yhteyksiä metsäkoneen suorituskyvyn, metsäkoneen kuljettajan toiminnan ja metsäympäristön välillä.

- Suomen metsät on järkevää jakaa metsävaratietojen pohjalta ryhmiin, jotka kuvastavat metsien puuston ja maaperän ominaisuuksia. Näiden ryhmien avulla voidaan vertailla erilaisissa ympäristöissä toimivien metsäkoneiden ja niiden kuljettajien tehokkuutta toisiinsa, Melander sanoo.

Melander tutki myös menetelmiä, joilla metsäkoneet voivat havainnoida ympäristöään suoraan. Metsiä havainnoidaan paljon esimerkiksi metsäkatselmuksilla tai ylilennoilla, mutta myös metsäkoneet tulisi nähdä varteenotettavana metsävaratiedon lähteenä, liikkuvina antureina. Melander keskittyi erityisesti metsäkoneen aiheuttaman urasyvyyden ja metsämaan kivisyyden mittaamiseen työn ohella.

- Metsäkoneet ovat pitkiä aikoja metsässä, koska kallis kone halutaan pitää jatkuvasti tuotannossa. Työn ohella automaattisesti suoritettavat ympäristön mittaukset ovat halpa ja tehokas tapa tuottaa uutta ja päivittää olemassa olevaa tietoa metsäympäristöistämme. Sekä kattavampi tiedonkeruu että olemassa olevan tiedon uudenlainen yhdisteleminen auttavat suunnittelemaan metsäoperaatiot niin, että oikeita asioita tehdään oikeaan aikaan, ja esimerkiksi suurimmat metsävauriot voidaan välttää, Lari Melander kiteyttää.

Väitöskirjassa julkaistuilla menetelmillä päästään lähemmäs niin kutsuttua täsmämetsätaloutta. Täsmämetsätaloudella viitataan metsäsuunnitteluun, joka hyödyntää uusia teknologioita ja metsästä kerättyä erittäin tarkkaa tietoa.

- Entistä tarkemmalla metsäsuunnittelulla voidaan tehostaa esimerkiksi puunkorjuuta, mutta myös auttaa ilmastonmuutoksen torjunnassa sekä metsien monimuotoisuuden edistämisessä.

Fiskarsista kotoisin oleva Lari Melander työskentelee johtavana konenäkösuunnittelijana Cargotec Oyj:ssä Tampereen Ruskossa. Hän on keväällä julkaisemassa myös Suomen ensimmäisen tekoälyyn pohjautuvan olutkonseptin.