Искусственный интеллект показывает лесозаготовителям оптимальные маршруты в лесу и предупреждает о слишком мягкой почве для харвестеров

Исследователи разрабатывают методы машинного обучения, которые помогут стволоуборочным машинам передвигаться налегке, расходовать меньше топлива и оставлять в лесу менее заметные колеи. Исследователи из Хельсинкского университета разрабатывают методы, которые позволят операторам харвестеров выбирать маршруты, оптимальные как для сбора стволов, так и для сохранения природы. Оказывается возможным прогнозировать соответствующие характеристики местности еще до начала операции. Эта информация поможет оптимизировать маршрут и оказать помощь оператору, например, сообщив, где почва слишком мягкая, говорит профессор Юкка Хейкконен, отвечающий за проект, финансируемый Исследовательским советом Финляндии. Лесозаготовительные работы необходимо планировать таким образом, чтобы не оставлять слишком инвазивных борозд.

Чем мягче почва, тем сложнее харвестеру передвигаться и тем выше вероятность повреждения почвы, отмечает Хейкконен. Следы, оставленные машиной, наносят ущерб росту леса, увеличивают риск заболеваний и портят внешний вид ландшафта.

Движение по мягкому грунту также увеличивает сопротивление качению и, следовательно, расход топлива и стоимость. Чем мягче почва, тем больше вероятность ее повреждения.

Физическая величина, используемая в исследовании, это коэффициент сопротивления качению харвестера, каковой коэффициент описывает легкость движения по определенному участку леса, говорит Хейкконен.

Согласно Закону о лесах Финляндии, только пятая часть длины подъездной дороги, проложенной для ведения лесозаготовок, может иметь колеи глубиной более десяти сантиметров. А вот для торфяников соответствующая глубина составляет двадцать сантиметров.