Husgrunder en större utmaning: ”Datorn behöver mer träning”

Efter det lyckade projektet att hitta kolmilor riktas sökarljuset mot nästa kulturlämning. Skogforsk undersöker möjligheten att hitta husgrunder med hjälp av laserdata som tolkas av AI – artificiell intelligens. Men det är inte lika lätt.

Text: Elin Fries, Bitzer

– Mycket talar för att skogsbruket kommer att få betydligt bättre koll på skogens kulturminnen. Genom att kombinera AI, laserskanning och digitala snitslar står vi inför ett helt annat läge än för tio år sedan, säger Sima Mohtashami som kommer leda Skogforsks nya AI-satsning på fornlämningar.

Inledningsvis tränade Skogforsk ett GIS-program med artificiell intelligens. Träningsbilderna bestod av terrängskuggade data utifrån Lantmäteriets höjddata.

Vänster: Sima Mohtashami kommer leda Skogforsk AI-satsning på fornlämningar. Foto: Skogforsk
Höger: Agneta Ohlström, Skogforsk. Foto: Skogforsk

– Tanken är alltså att datorn själv ska hitta potentiella lämningar som i dag inte finns registrerade på Riksantikvarieämbetets karttjänst, det vill säga Fornsök, säger Sima Mohtashami.

Tekniken påminner om den som Skogsstyrelsen använde när man letade fångstgropar och kolbottnar i somras. Men husgrunderna har skruvat upp svårighetsgraden några snäpp.

– Kolbottnar är otroligt runda och ser ut som en munk. Förutom storleken ser formen likadan ut – oavsett var du är i landet. En husgrund däremot ... det handlar om många olika former och storlekar, säger Agneta Ohlström vid Skogforsk.

I två områden, i Härjedalen och Småland, undersöktes 1 800 km² respektive 1 050 km². I Åsnen hittades ytterligare 224 potentiellt nya husgrunder, och i Sveg hittade modellen 837 potentiellt nya husgrunder, jämfört med 300 och 54 redan registrerade husgrunderna. Mycket talaför att systemet ännu övertolkar data ganska kraftigt.

– Vad som är verkliga husgrunder och hur många som är felklassade objekt återstår att validera i fält, vilket inte görs under detta projekts löptid, säger Sima Mohtashami.

– Många av fynden är falska, exempelvis visade mjukvaran att några ”husgrunder” låg på vägar och den kunde även tolka större stenar som hus, säger Agneta Ohlström. Datorn behöver tränas på flera objekt med variation i form och geografisk spridning tills den kan leverera tillförlitliga prediktioner.

Om man lyckas kommer metoden att vara snabbare, billigare och ge säkrare positioner än det manuella arbete som ofta görs idag. Träningen och testerna fortsätter under 2023.