Invasive Arten – auch als eingeführte, gebietsfremde oder exotische Arten bezeichnet – stellen eine der größten Bedrohungen für die biologische Vielfalt dar. Da sie in bestimmten Gebieten ursprünglich nicht heimisch sind, können sie die dortigen Ökosysteme erheblich verändern oder stören. Dies kann zu erheblichen ökologischen und wirtschaftlichen Schäden führen.

Identifizieren invasiver Arten mit Hilfe von KI

Als Business- und IT-Dienstleister unterstützen wir unsere Kunden schon seit vielen Jahren dabei, sich durch innovative Analysen und maschinelles Lernenn neue Optionen zu erschließen. Genau diese Fachkenntnisse wollte die finnische Verkehrsinfrastrukturbehörde nutzen, um das dringende Umweltproblem der Artenverdrängung zu lösen. Unsere Expertinnen und Experten entwickelten gemeinsam mit der Behörde eine Lösung für maschinelles Lernen, mit der invasive Arten an den Straßenrändern identifiziert werden können. Zu diesem Zweck wurde mithilfe von TensorFlow ein Deep Neural Network (DNN) implementiert: eine Architektur des Deep Learning.

„Invasive Arten sind ein wachsendes Umweltproblem – vielleicht sogar ein größeres, als allgemein angenommen wird. Die Lupine zum Beispiel ist bereits ein so vertrauter Anblick, dass nicht jeder weiß, wie schädlich sie ist. Die Lösung von CGI ermöglicht es uns, invasive Arten an Straßenrändern zu identifizieren. Dies wird uns in Zukunft dabei helfen, unsere Maßnahmen noch effizienter auszurichten und eine größere Wirkung zu erzielen", sagt Marketta Hyvärinen, Umweltexpertin bei der finnischen Verkehrsinfrastrukturbehörde. 

Solide Datenbasis für das Deep Neural Network

Die zur Lösung des Problems notwendigen Daten wurden uns zur Verfügung gestellt: Die finnische Verkehrsinfrastrukturbehörde verfügt über eine große Menge an Bild- und Registerdaten.  Diese stammen aus ganz verschiedenen Quellen. So werden die Straßen von Infrastrukturunternehmen regelmäßig zu Inspektionszwecken gefilmt. Es fließen aber auch Informationen aus anderen Datenquellen mit ein, zum Beispiel Aufnahmen aus Wetterkameras. Inzwischen enthält der Datenspeicher der Behörde bereits etwa 900 Millionen Bilder. 

Hilfe beim Steuern von Mähern

Durch das automatisierte Identifizieren der Fotos und das Verknüpfen der Analyseergebnisse beispielsweise mit einem Datenregister über Pflanzstandorte ist es möglich, bisher unentdeckte Wucherungen invasiver Arten zu kartieren und ihre Ausbreitung automatisch zu überwachen.

In einem ersten Schritt wurde dem Bildverarbeitungssystem beigebracht, was es erkennen soll. „Dazu benötigen wir Fotos aus möglichst vielen Blickwinkeln, damit die Maschine lernt, die charakteristischen Merkmale der Pflanzen zu erkennen. Dieser Lernprozess erfordert ein hohes Maß an Wiederholung. Erst nach Hunderten von Wiederholungen lernt die Maschine, die bezeichneten Pflanzen sehr genau zu erkennen“, erklärt Jari Turkia, einer unserer leitenden Datenwissenschaftler in Finnland.

Die Fotos im Archiv enthalten Standortkoordinaten, anhand derer die Beobachtungen auf der Karte eingetragen werden. Die Beobachtungen  werden dann visualisiert und mit den erforderlichen Daten angereichert.

„Dank der von der CGI-Lösung generierten Daten werden wir in Zukunft genauer wissen, wo invasive Arten wachsen und wie groß die Wucherungen sind. Auf dieser Grundlage können wir dann den Einsatz der Mäharbeiten steuern und den Auftragnehmern die entsprechenden Arbeiten zuweisen“, sagt Hyvärinen.

Anpassung an künftige Anforderungen

Die von der finnischen Verkehrsinfrastrukturbehörde gesammelten Daten sind aber nicht nur in Hinblick auf invasive Arten interessant. Sie geben auch Aufschluss über Verkehrsschilder oder den Straßenzustand. Diese Informationen sind wiederum für andere Abteilungen in der Behörde relevant.

„Der von uns entwickelte Bilderkennungsdienst wurde so konzipiert, dass er auch an andere Bedürfnisse angepasst werden kann. Künftig kann die Bildanalyse genutzt werden, um zu überprüfen, ob die Regenwasserabflüsse in Ordnung sind, welche Verkehrsschilder gewartet werden müssen und welche Straßenabschnitte während der Schlammsaison beschädigt wurden“, sagt Turkia.