Genomförda projekt
Detaljerad kartläggning av Helsingborgs trädkronstäcke
Helsingborgs stad, vintern/våren 2022/2023
Helsingborgs GIS-enhet klassade kommunens trädkronstäcke med hjälp av maskininlärning på flygbilder och laserdata. Med hjälp av trädkronstäcket får man en heltäckande bild av stadens gröna infrastruktur. Man kan sedan strategiskt planera var nya träd bäst bör planteras med avseende på värmeöar, ekosystemtjänster och var folk rör sig och bor.
Analys av gräshöjder med maskininlärning
Sveriges lantbruksuniversitet, sommaren/hösten 2022
Analys av gräsklippning med maskininlärning och drönarbilder genomfördes för att se om det går skilja mellan oklippta och klippta ytor med hjälp av klorofyllindex, NDVI. Ett intressant projekt då det inte finns mycket tidigare forskning inom området. Projektet kan ses som ett test inom området men vi kunde ändå se en relativt bra noggrannhet vid prediktion av klippta och oklippta ytor.
Skräpdektering med maskininlärning
Sveriges lantbruksuniversitet, sommaren/hösten 2022
Skräpdetektering med drönare och maskininlärning testades i Slottskogen, Göteborg. Vi kunde se att skräp kan hittas med maskininlärning men att mer data behövs för att skapa en bättre modell.
Detaljerad kartläggning av Borås trädkronstäcke
Borås stad, hösten 2021
Klassning av Borås tätorts trädkronstäcke med hjälp av maskininlärning på flygbilder och laserdata. Med hjälp av trädkronstäcket får man en heltäckande bild av stadens gröna infrastruktur. Man kan sedan strategiskt planera var nya träd bäst bör planteras med avseende på värmeöar, ekosystemtjänster och var folk rör sig och bor.
Marktäckedata med hjälp av maskininlärning
Alingsås kommun, vintern 2020/våren 2021
Alingsås GIS-enhet utbildades i maskininlärning på laserdata och flygbilder. Projektet finansierades av Vinnova, Sveriges innovationsmyndighet