Peneliti Kembangkan AI TreeStructor untuk Kenali Struktur Pohon di Hutan

"Data yang kami gunakan menantang, dan kami bekerja dengan hutan lengkap," tutur salah satu penulis sekaligus profesor ilmu komputer di Universitas Kiel, Sören Pirk.

Baca juga:

• Google Rilis Panduan untuk Bantu Laporan Keberlanjutan dengan AI
• AI Jadi Ancaman Jutaan Pekerjaan di Asia, Ini Peringatan PBB

Punya kompleksitas alami

Studi ini memanfaatkan aspek repetitif dari struktur alami yang kompleks. Dengan asumsi pohon menampilkan struktur berulang pada berbagai skala, para peneliti menciptakan kumpulan data representatif berupa sebuah kamus.

Kemudian, para peneliti membiarkan AI mempelajari elemen yang ada dan menemukannya dengan cepat dalam data point-cloud.

"Semua daun maple, misalnya, menampilkan variasi tema yang sama, tetapi begitu Anda melihat beberapa, Anda dapat mengenali sebagian besar di antaranya," ucap Benes.

Kamus itu terdiri dari point clouds dan sekumpulan jala bentuk geometris yang sesuai dan belum diurutkan.

TreeStructor merupakan model AI yang mengambil point clouds yang belum pernah dilihat sebelumnya dan mengurutkan obyek-obyek dalam kamusnya. 

Model tersebut mencocokkan bagian-bagian dari point clouds, dengan jaring bentuk geometris tiga dimensi terpisah-pisah, serta mewakili batang pohon dan bagian-bagian percabangan yang sulit dideteksi dengan metode sebelumnya.

Hasilnya, jaringan bentuk saling terhubung yang diibaratkan Benes dengan pipa dalam sistem perpipaan.

Baca juga:

• UN Women Peringatkan, Kekerasan Digital Berbasis AI Ancam Perempuan
• UE Prioritaskan Penggunaan AI Lokal di Sektor Strategis

Potensi identifikasi spesies pada masa depan

Unsplash/Gagandeep Singh TreeStructor merupakan metode AI baru untuk mengisolasi dan merekonstruksi pepohonan di hutan.

Salah satu penulis, Ketua Dekan bidang Remote Sensing dan direktur Institut Kehutanan Digital, Songlin Fei menganggap, pembuatan kamus pohon ini merupakan langkah signifikan menuju identifikasi spesies

"Pengembangan lebih lanjut dari kamus ini tidak hanya akan membantu Anda merekonstruksi pohon tetapi juga memberi tahu Anda jenis pohon apa itu," tutur Fei.

Sebelum rekonstruksi data dimulai, para peneliti mengembangkan kode sumber untuk melatih kumpulan data yang dihasilkan secara sintetis.

Mereka menciptakan ribuan pohon virtual dengan dipindai oleh lidar virtual dan dipotong menjadi bagian-bagian pohon yang bisa dikenali dan dihubungkan.

Setelah itu, proses pelatihan AI yang memakan waktu dimulai dan TreeStructor dapat digunakan untuk mendeteksi pohon.

Keakuratan TreeStructor divalidasi dalam serangkaian pengujian, di antaranya merekonstruksi model pohon yang sama dengan pemindaian laser yang dikumpulkan melalui ransel, pemindaian laser terestrial, dan drone. Termasuk, membandingkannya dengan metode yang merekonstruksi pohon tunggal.

"Metode ini cukup tangguh terhadap berbagai sensor," ucap Benes.

Namun, TreeStructor tidak mampu mendeteksi pohon mati, semak, dan puing-puing lainnya di lapisan bawah hutan. Resolusi sensor Lidar juga menjadi faktor.

"Setiap tahun, kita memiliki lidar dengan kualitas yang semakin tinggi, tapi ada batasan teknologi pada sensor-sensor ini," ujar Benes.