Autonominen UAV spektrometriaan perustuva puun kunnon analysaattori (ASPECT)
Päärahoittaja
Rahoittajan antama koodi/diaarinumero: 327862
Päärahoittajan myöntämä tuki (€)
- 283 922,00
Rahoitusohjelma
Hankkeen aikataulu
Hankkeen aloituspäivämäärä: 01.01.2020
Hankkeen päättymispäivämäärä: 31.12.2022
Tiivistelmä
Autonomiset miehittämättömien lennokkien (UAV), lentävien robottien, käyttö yhteiskunnassamme lisääntyy. Nämä lennokit voivat kerätä tietoa ympäristöstään nopeasti ja turvallisesti. Havaintosensorit yhdistettynä analytiikkaan tekevät lennokista älykkään. Paikkatietokeskuksen ja Jyväskylän yliopiston muodostaman ASPECT tutkimuskonsortion tavoitteena on kehittää autonominen UAV- pohjainen puiden terveyden analysoija, joka hyödyntää kuvantavaa spetroskopiaa ja koneoppimista. ASPECT -konsortio on monitieteinen geoinformatiikan, kaukokartoituksen, photogrammetrian, spektrikuvantamisen, tietotekniikan, laskennallisten tieteiden ja automaation hallitseva tutkimusryhmä. Hanke vastaa tarpeeseen kehittä tehokkaita kasvuston terveyden seuranta menetelmiä. Näitä tarvitaan muun muassa ilmaston muutoksen kasvattaman metsien seuranta tarpeen vuoksi.
Vastuullinen johtaja
Päävastuullinen yksikkö
Liittyvät julkaisut ja muut tuotokset
- HyperBlend leaf simulator : improvements on simulation speed, generalizability, and parameterization (2023) Riihiaho, Kimmo A.; et al.; A1; OA
- Estimating Tree Health Decline Caused by Ips typographus L. from UAS RGB Images Using a Deep One-Stage Object Detection Neural Network (2022) Kanerva, Heini; et al.; A1; OA
- HyperBlend : Simulating Spectral Reflectance and Transmittance of Leaf Tissue with Blender (2022) Riihiaho, Kimmo A.; et al.; A4; OA
- Updating strategies for distance based classification model with recursive least squares (2022) Raita-Hakola, Anna-Maria; et al.; A4; OA
- A Do-It-Yourself Hyperspectral Imager Brought to Practice with Open-Source Python (2021) Riihiaho, Kimmo Aukusti; et al.; A1; OA
- Piecewise anomaly detection using minimal learning machine for hyperspectral images (2021) Raita-Hakola, A.-M.; et al.; A4; OA
- Minimal learning machine in anomaly detection from hyperspectral images (2020) Pölönen, Ilkka; et al.; A4; OA
- Minimal learning machine in hyperspectral imaging classification (2020) Hakola, Anna-Maria; et al.; A4; OA; 978-1-5106-3880-8
