Suomen metsäteollisuuden puuntuotantoketjua on mahdollista tehostaa huomattavasti pistepilviteknologian ja robotiikan keinoin. Metsien tarkka kartoitus mahdollistaa tarkemman töiden suunnittelun ja lisää tietoa metsiemme tilasta. Lisäksi metsäkoneiden älykkäällä anturoinnilla ja ohjelmistoilla voidaan helpottaa kuljettajan haastavaa työtä, lisätä koneiden automaatioastetta ja dokumentoida tehty työ automaattisesti. Metsien puulogistiikkaa voidaan myös tehostaa huomattavasti, mikäli työkoneiden keräämiä mittauksia hyödynnetään reaaliaikaisesti hakkuuoperaatiossa.
Osallistu webinaariin maanantaina 10.10. klo 10.10-10.40 ja kuule, miten metsäteollisuuden tehostamisen haasteita ratkotaan Pointcloud-hankkeessa!
Yksi puuntuotantoketjun tehostamisen keskeinen haaste on metsäkoneen paikannustarkkuus, joka vaikeuttaa reitin optimointia. Paikannusta voidaan parantaa riittävällä tarkkuudella vain yhdistelemällä useita erilaisia paikannustapoja. Nykyisin satelliittipaikannuksen tarkkuus metsässä ei riitä hakattujen tukkien yksilöimiseen, jolloin harvesterin hakkuutyössä keräämää tietoa on vaikea käyttää metsätraktorin reitin optimointiin. Tämä paikannustarkkuuden epäkohta voidaan ratkaista pistepilviteknologian avulla. Laserkeilaimella ja konenäkökameroilla varustettu metsäkone voi havaita puut ympärillään ja paikantaa visuaalisesti itsensä niihin nähden. Liikkuessaan se voi kartoittaa kulkemansa alueen ja kerätä satelliittipaikannustietoa. Tällöin tuloksena on metsäkoneen luoma kartta työalueesta, kuljettu reitti tällä kartalla ja arvio kartan sijainnista satelliittipaikannusta hyödyntäen. Tähän karttaan on helppo liittää tieto mistä tahansa koneen tekemästä operaatiosta, ja se on jaettavissa useiden työkoneiden välillä niiden yhteistyön tehostamiseksi.
Toinen keskeinen haaste on nuorten taimikoiden harvennus. Suomessa on valitettavan paljon hoitamattomia taimikoita, joiden raivaus on useimmiten edelleen ammattitaitoa vaativaa käsityötä. Työn koneellistaminen nuoressa taimikossa on erityisen haastavaa, eikä se ole vielä tähän mennessä onnistunut riittävän kilpailukykyisesti mekanisoiduin työkonein. Laserkeilaimien ja konenäkökameroiden avulla voidaan luoda kolmiulotteinen malli taimikosta esimerkiksi raivauslaitteen ohjaamiseksi. Tällöin kone voi välttää vahingoittamasta jäljelle jätettäviä puita ja auttaa kuljettajaa valitsemaan oikeat poistettavat puut.
Kuljettajaa voidaan auttaa tehtävissään myös tuomalla hänelle tietoa tehdyistä havainnoista. Tämä voidaan toteuttaa näyttämällä kuljettajalle metsäkoneiden keräämää karttaa tietokoneen näytöllä, johon karttatieto ja dokumentaatio päivittyvät automaattisesti. Lisäksi hänelle voidaan esittää koneen mittaamaa ja luomaa mallia ympäröivästä maailmasta laajennetun todellisuuden avulla. Tällöin kuljettaja voi nähdä metsäkoneen ohjelmiston mallintamat maastonmuodot ja puut myös esimerkiksi sumussa tai yön hämärässä.
Ilmoittaudu webinaariin viimeistään 6.10.2016 osoitteessa http://goo.gl/forms/WtBMmWCMD7B8zy0t1.
Webinaari toteutetaan verkossa Adobe Connectin välityksellä. Ilmoittauduttuasi saat osallistumisohjeet antamaasi sähköpostiosoitteeseen seminaaria edeltävällä viikolla. Webinaaria voi seurata selaimen kautta ilman erillistä ohjelmaa.
Lisätietoja: Mari Taskinen, mari.taskinen@nls.fi p. 029 531 4111 (ilmoittautumiset ja lisätiedot hankkeesta)
Heikki Hyyti, heikki.hyyti@aalto.fi, p. 040 771 8099 (webinaarin sisältö)
**
Suomen Akatemian strategisen tutkimuksen neuvoston Pointcloud-hankkeessa tutkitaan kaupunkien, metsien ja väylien pistepilvimallintamista ja 3D-digitalisaatiota. Lisätietoa www.pointcloud.fi. Seuraa meitä myös Twitterissä @pointcloudfi.
**
