Syntetiskt data och AI tar skogsbruket in i framtiden

Hur kan vi fatta bättre beslut om våra skogar – snabbare, mer hållbart och på trädspecifik nivå? Ett sätt är att kombinera avancerad AI med syntetiska 3D-modeller av skogsmiljöer. Det är precis vad som gjorts i detta nyskapande projekt.

– Projektet visar hur AI och syntetiskt data kan användas för att skapa hållbar nytta i en annars ganska traditionell bransch samtidigt som det stärkt vår tekniska förmåga att använda den typen av lösningar, säger Erik Roos, 3D Artist på Arboair.

Projektet, som fick finansiering från Vinnova, startade hösten 2022 och syftade till att utveckla och testa AI-modeller för skoglig analys med hjälp av syntetiskt data. Arbetet bygger vidare på tidigare erfarenheter hos Arboair. Målet var att ta tekniken till en nivå där den kan testas i praktiken och användas av aktörer i skogsbranschen.

En ny AI-motor för skogen

Projektet resulterade i en AI-motor som kombinerar bildanalysmodeller med numeriska modeller och bygger på en automatiserad pipeline för syntetisk datagenerering. Genom att skapa datorgenererade bilder av träd, skador och olika miljöer i 3D har Arboair kunnat träna sina modeller på ett sätt som tidigare inte varit möjligt. Den syntetiska datan har använts både för validering och som komplement till verkligt data.

För att ytterligare stärka utvecklingen har projektet använt AI Swedens tekniska infrastruktur vilket har gett tillgång till kraftfull datorkapacitet och expertis. 

Genombrott och insikter

Ett konkret resultat från projektet är att man lyckats genomföra toppbrottsanalyser i vintermiljö med hjälp av syntetiskt tränade modeller.
Toppbrott är när trädets topp bryts av, ofta på grund av snötryck eller storm. Det påverkar trädets tillväxt och värde negativt, vilket gör det viktigt för skogsindustrin att upptäcka skadorna i tid. Eftersom toppbrotten uppstod plötsligt under en snörik vinter fanns de inte representerade i träningsdatan. 
För att snabbt kunna träna en modell som ändå klarar att känna igen dem krävs syntetisk data, som kan ersätta de saknade exemplen och ge modellen tillräcklig variation. I det här fallet blev toppbrott ett exempel på ett use-case där behovet uppstod snabbt och där syntetisk data blev avgörande för att vinna tid.      

Alla ursprungliga projektmål uppfylldes inte – exempelvis skapades ingen färdig simulator för skogsägare – men projektet utgör ett stort steg framåt inom syntetisk datagenerering. Det har också lett till förbättringar i Arboairs befintliga produkter.

– Just nu är utmaningen att få tillräcklig variation i de syntetiska bilderna som motsvarar den kaotiska verkligheten. Däremot kan syntetiskt data i vissa fall redan nu användas för test och R&D fall för att öka förståelsen för hur AI-plattformen presterar under olika förutsättningar, säger Erik Roos.

Samverkan och tekniklyft

Projektet har genomförts i samarbete med Holmen som tillhandahållit testytor och kravspecifikationer, samt med nätverket Spillkråkan vars medlemmar ingått i referensgruppen och som tillfört viktiga perspektiv från mindre markägare. Det breda samarbetet har gett projektet både praktisk förankring och innovationshöjd.

Tekniskt sett har utvecklingen tagit stora kliv framåt. Framsteg inom grafikkort och programvara har gjort det möjligt att rendera bilder med tusentals träd och miljontals blad – något som bara för några år sedan varit otänkbart.

Nästa steg för Arboair är uppföljningsprojekt som syftar till att inkludera fler miljöer och trädtyper för att bygga en ännu mer robust modell. Parallellt utvecklas en motor för trädgenerering – en teknisk plattform som på sikt kan bli central för såväl Arboair som andra aktörer inom skogsbruket.

– Vi har tagit viktiga kliv framåt, men vi ser det här som början snarare än slutet. Vår ambition är att göra tekniken tillgänglig för fler och bidra till ett mer hållbart och datadrivet skogsbruk – både i Sverige och internationellt, säger Erik Roos.