EU-finansierade IHANAT-projektet visar hur ny teknik kan stärka hanteringen av invasiva främmande arter

Invasiva främmande arter betraktas som ett av de största hoten mot den biologiska mångfalden. Men att kartera invasiva växtarter kan innebära flera timmars arbete i utmanade terräng och tät vegetation, bekämpningen av dessa arter är dessutom ofta mycket tids- och resurskrävande. För att möta dessa utmaningar startades ett kortvarigt projekt mellan Luleå tekniska universitet och Livskraftcentralen i Södra Österbotten (tidigare NTM-centralen). Grundidén bakom IHANAT-projektet (Idea Hub for Arctic Nature and Technology Cluster) är att kombinera ekologisk och teknisk expertis för att identifiera nya lösningar för hanteringen av invasiva främmande arter och undersöka hur dessa kan tillämpas i praktiken i Sverige och Finland.

Drönare och AI kan förbättra kartläggningen av invasiva arter

Ett av projektets huvudmål har varit att utveckla och testa en bildbaserad algoritm som kan identifiera jättebalsamin i drönarvideo. Detta gör det möjligt att kartlägga stora områden med hjälp av drönare och snabbt få information om var arten förekommer. "Jämfört med traditionella inventeringar till fots kan metoden spara både tid och resurser. Tekniken kan också förbättra säkerheten genom att minska behovet av traditionella inventeringar i svår terräng, såsom branta och tätbevuxna åstränder, förklarar Ann-Sofie Åstrand, sakkunnig inom naturvård vid Livskraftcentralen i Södra Österbotten.

De data som användes för att träna algoritmen samlades in under sommaren, och bildanalys- och klassificerings-metoder utvecklades under hösten. Metoden bygger på att algoritmen tränas att känna igen mönster i vegetationens färg, struktur och form, vilket gör att den kan identifiera områden där jättebalsamin förekommer. Eftersom drönarmaterialet även innehöll lupin kunde algoritmen också tränas att identifiera denna art. Träningen baserades på unga individer av jättebalsamin, och de första resultaten visar att algoritmen framgångsrikt kan identifiera större bestånd av arten i drönarvideon. Även om resultaten är lovande kan algoritmen vidareutvecklas med hjälp av mer träningsdata och fortsatt utvecklingsarbete. Algoritmen kommer att göras tillgänglig via projektets webbplatser efter att projektet avslutats.

Nya idéer för förbättrad hantering av invasiva arter

Under tre webbinarier samlades experter inom naturvård och teknik från Sverige och Finland för att tillsammans utveckla och prioritera nya idéer kring hur AI, robotik och automation kan bidra till att förbättra arbetet med invasiva främmande arter. Sammanlagt utvecklades 16 idéer för framtida tillämpningar. Bland dessa fanns vidareutveckling av drönare och AI för att kartlägga flera invasiva arter och hotade inhemska arter samtidigt, samt utrustning för vägkantsslåtter som kan identifiera lupiner och automatiskt anpassa slåttern för att undvika fröspridning.

Genom att kombinera ekologi och teknik kan hanteringen av invasiva arter stärkas

Projektet resulterade i en första version av en AI-baserad algoritm för identifiering av jättebalsamin och lupin. Dessutom identifierades och prioriterades flera lovande idéer för framtida tekniska lösningar genom samarbete mellan experter inom naturvård och teknik. IHANAT har bidragit till nya tvärvetenskapliga perspektiv på hur teknik kan användas i arbetet med invasiva arter. "Projektet visar att robotik, AI och automation kan få en viktig roll i framtidens kartläggning och hantering av invasiva främmande arter. Samtidigt har vi identifierat flera nya möjligheter för fortsatt utveckling och samarbete mellan Finland och Sverige", säger Ann-Sofie Åstrand.

IHANAT är ett Interreg Aurora-finansierat samarbete mellan två EU-finansierade projekt: ROBODEMO vid Luleå tekniska universitet, som stödde företag i utvecklingen av tekniska lösningar, och INSPIRE vid Livskraftscentralen i Södra Österbotten, som fokuserade på hantering av invasiva främmande arter. Projektet koordineras av Luleå tekniska universitet och avslutas den 31 oktober 2026.