System automatycznej detekcji szkodników dla Instytutu Badawczego Leśnictwa

Klient - z jakiej branży jest

Instytut Badawczy Leśnictwa (IBL) – naukowo-badawcza, leśnictwo. 

Wprowadzenie

Opiętek dwuplamkowy (Agrilus biguttatus) stanowi poważne zagrożenie dla lasów. Jego obecność powoduje osłabienie drzewostanów i generuje straty w gospodarce leśnej. Klasyczne metody monitoringu – oparte na obserwacjach terenowych – są czasochłonne i wymagają dużych nakładów pracy. Instytut Badawczy Leśnictwa stanął przed wyzwaniem automatyzacji procesu wykrywania drzew zasiedlonych przez szkodnika. 

Cel projektu

Celem projektu było opracowanie algorytmu i stworzenie aplikacji umożliwiającej zautomatyzowaną detekcję drzew zasiedlonych przez opiętka dwuplamkowego na podstawie śladów żerowania dzięciołów widocznych na zobrazowaniach z dronów UAV. 

Z jakimi problemami lub potrzebami mierzył się klient przed wdrożeniem rozwiązania?

Przed wdrożeniem brakowało narzędzi do szybkiej i zautomatyzowanej detekcji zasiedleń drzew. Tradycyjne metody były pracochłonne, czasochłonne i nie pozwalały na szybkie reagowanie na zagrożenie. 

Jakie potrzeby miał klient?

Instytut potrzebował rozwiązania, które umożliwi: 

  • automatyczną detekcję drzew zasiedlonych przezopiętka,
  • szybkie reagowanie na zagrożenia w lasach,
  • obniżenie kosztów monitoringu terenowego,
  • integrację danych UAV z narzędziami GIS i algorytmami uczenia maszynowego.

Rozwiązanie i wykorzystane technologie

Stworzono system GIS oparty na algorytmach uczenia maszynowego (Random Forest), przetwarzający obrazy z dronów wyposażonych w kamery RGB. 

Rozwiązanie obejmowało: 

  • aplikację webową (geoportal) bazującą na zmodyfikowanym silniku Lizmap, 
  • progresywną aplikację mobilną PWA, 
  • algorytmy ML w Python/R, 
  • bazę PostgreSQL/PostGIS, 
  • integrację z usługami OGC (WMS, WFS), import danych SHP i GeoTIFF. 

Wykorzystane technologie: Lizmap, QGIS, PHP, R, JavaScript, TypeScript, React, Python, Docker, PostgreSQL. 

Całość oparta na licencjach Open Source. 

Rezultaty/Przyniesione korzyści

  • Technologiczne: automatyzacja procesu detekcji szkodnika, integracja UAV + GIS + ML. 
  • Finansowe: redukcja kosztów monitoringu terenowego. 
  • Jakościowe: szybsza i dokładniejsza identyfikacja zagrożeń. 
  • Strategiczne: wsparcie Lasów Państwowych w zarządzaniu drzewostanem. 
  • Wizerunkowe: innowacyjne wykorzystanie AI w leśnictwie. 

Efekt wdrożenia

Instytut Badawczy Leśnictwa uzyskał prototyp badawczo-rozwojowy, który pozwala automatycznie wykrywać zagrożenia dla lasów i ograniczać straty w gospodarce leśnej. System umożliwia synchronizację danych między aplikacją webową i mobilną, pracę w trybie offline oraz wizualizację zagrożeń w postaci map cieplnych. 

Jak wygląda wsparcie techniczne po wdrożeniu?

Projekt objęty jest gwarancją, ale nie zamówiono dodatkowego wsparcia SLA. Utrzymanie i rozwój systemu przekazano Instytutowi Badawczemu Leśnictwa.