Hakkuukoneen kuljettaja tekee työvuoron aikana tuhansia päätöksiä – tulevaisuudessa kone voi neuvoa kuskia

Suomessa hakataan vuosittain kasvatus- ja uudistushakkuita noin 700 000 hehtaarin alalla. Pinta-alasta valtaosa oli harvennushakkuita tai ylispuiden poistoa. Savotoilla on työssä reilusti yli 2000 hakkuukonetta, jotka antavat ainutlaatuisen mahdollisuuden metsien rakenteen ja tilan yksityiskohtaiselle dokumentoinnille ja seurannalle.

EU:n rahoittamassa Ilmostar-hankkeessa (Kohti ilmastokestävämpää ja monimuotoisempaa puunkorjuuta sensoriteknologian ja tarkan paikkatiedon avulla) tutkitaan leimikkotiedon keräämistä useilla hakkuukoneeseen asennetuilla kameroilla ja mittalaitteilla.

Tulevaisuudessa tarvittavan tiedon keräämisen ohella kone kerää myös tietoa, jota voidaan käyttää heti. Kuljettajan päätöksenteon tueksi saadaan oikea-aikaista tietoa leimikon tiheydestä, latvavaurioisista puista, maassa olevista lahopuista ja muista luontoarvon kannalta tärkeistä kohteista.

Koneen tietopankkiin voidaan syöttää dronella otettu video hakattavasta leimikosta. Kun tämä puukartan sisältämä tieto on valmiina ennen työn aloittamista, metsäkoneen tekemät kamerahavainnot varmistuvat ja tarkentuvat. Tieto auttaa merkittävästi etenkin aloittelevia hakkuukoneen kuljettajia oikean harvennustiheyden saavuttamisessa. Mutta myös kokeneempi kuski saa arvokasta tietoa toimiensa oikeellisuudesta.

Hakkuukoneen kuljettaja tekee työvuoronsa aikana tuhansia itsenäisiä päätöksiä. Ilmostar-hankkeen tarkoituksena on helpottaa kuskin päätöksentekoa antamalla hänelle koneen ja tekoälyn havaitsemia vinkkejä siitä, millä päätöksillä leimikon hakkuujäljestä tulisi mahdollisimman hyvä.

Paikkatietokeskuksen tutkimusprofessori Harri Kaartinen pitää Ilmostar-hanketta erittäin mielenkiintoisena ja nimenomaan käytännön työtä helpottavana. Hankkeen edetessä saadaan selville, minkälaisia ja kuinka paljon laserkeilaimia ja kameroita hakkuukoneeseen tarvitaan. Myös saadun tiedon paikka tullaan miettimään perusteellisesti, eli onko tieto pilvessä, vai kerätäänkö se koneen ja paikallisen tietokoneen muistiin. Sekin on mietittävä huolellisesti, kuka kerättyä tietoa voi hallinnoida ja hyödyntää.

”Dronekuvauksen jälkeen ajourien suunnittelu on helpompaa ja tarkempaa. Parasta asiassa on se, että työstä jää dokumentti jäljelle seuraavia metsänhoitotöitä varten”, Kaartinen kertoo.

Menetelmä soveltuu aiempaa kokonaisvaltaisempaan tiedon tuottamiseen talousmetsien tilasta ja kehityksestä.

Hankkeessa oleva harvesteri on Ponssen tuotekehityksen käytössä oleva Scorpion King. Vielä ei ole selvillä, minkälaisen alustakoneen tuleva järjestelmä vaatii, eli voidaanko järjestelmä asentaa vanhempiinkin koneisiin. Oletuksena kuitenkin on, että nykyisin savotoilla olevista koneista valtaosa soveltuisi tietotekniikkansa puolesta tiedonkeruutyöhön.

Ilmostar-hankkeessa projektipäällikkönä toimiva Joni Packas toimii leipätyönään Ponssen tuotekehityksessä softapuolen suunnittelupäällikkönä. Hänen erityisenä vastuualueenaan on kuljettajaa avustavat järjestelmät.

”Nyt meneillään olevassa hankkeessa Ponsse metsäkonevalmistajana on keskittynyt enemmän reaaliaikaisen tiedon keruuseen ja vastaavasti tutkijoiden kiinnostus on enemmän jälkilaskennan avulla saatavan tiedon saamisessa. Yhteistyön avulla saamme varmasti aikaan mielenkiintoista tietoa ja löydämme taatusti uusia potentiaalisia kehityskohteita”, Packas arvioi.

Sensoreita asennettaessa niitä ei voi koteloida, jotta ne kykenisivät keräämään haluttua dataa. Kuva: Harri Kaartinen

Laserkeilainten toimintavarmuus ja kesto vaativissa oloissa on osoittautunut kameratekniikkaa heikommaksi. Näkyvän valon kameran ongelmana on taasen sään ja valaistusolosuhteiden vaihtelut. Laserteknologiassa nähdään Packaksen mukaan kuitenkin enemmän potentiaalia.

Kolmivuotisen hankkeen ensimmäiset demot niin päätehakkuulla kuin harvennuksillakin on tehty. Saadun tiedon analysoinnin jälkeen tarvittavien laitteiden määrä ja laatu tarkentuu. Vuoden 2025 loppusyksystä on tarkoitus tehdä mittavampi kenttäkoe.