Skip to main content
SLU publication database (SLUpub) (stage, solr2:8983)

Abstract

Denna rapport presenterar resultatet av ett uppdrag från Naturvårdsverket till SLU att utveckla och testa en drönar- och AI-baserad metod för att mäta viltskador på jordbruksgrödor. Syftet var att ta fram en standardiserad, objektiv metod som kan användas för att övervaka skador över tid och ge ett tillförlitligt beslutsunderlag från gårdsnivå till regional skala, till såväl lantbrukare som viltförvaltare och myndigheter.Under odlingssäsongen 2024 genomfördes en fullskalig fältinventering i fyra viltrika älgförvaltningsområden (ÄFO) i fyra olika län i södra Sverige – Blekinge, Jönköping, Södermanland och Örebro. Både gräsmark (betes- och slåttervall) och vete ingick i studien. Målet var att pröva metodens genomförbarhet i större skala och samtidigt utvärdera dess precision, repeterbarhet och arbetsinsats. Datainsamlingen gjordes med hjälp av drönare utrustade med multispektrala sensorer. Bildmaterialet bestående av validerade skador användes därefter för att träna en AI-modul att särskilja skador av olika ursprung.Resultaten visar att metoden fungerar väl för att identifiera och kvantifiera viltskador över stora arealer. Den genomsnittliga skadegraden för de fyra ÄFO:na sammantaget uppmättes till 17 % för både gräsmark och vete, med en bästa träff-säkerhet i AI-klassificeringen (i Örebro län) på 76 % respektive 89 %, för respektive gröda. Baserat på samtliga fyra områden var den bästa modellens träffsäkerhet dock något lägre (71 % i gräsmark och 85 % på vete), vilket tyder på viss heterogenitet i data mellan områden. De AI-skattade skadorna från vildsvin uppgick till 2 % i gräs och 5 % i vete, vilket är lägre än tidigare rapporterade bedömningar, och visar samtidigt hur objektiv teknik (till skillnad från mänskliga subjektiva observationer och enkätstudier) potentiellt kan komma att komplettera eller i vissa fall ersätta manuella metoder.Genom studien identifierades också flera förbättringsområden, bland annat behovet av mer träningsdata för att öka modellernas tillförlitlighet och svårigheter att klassificera vissa skadetyper. Trots detta visar resultaten att tekniken redan nu kan tillämpas med relativt hög effektivitet. Totalt krävdes cirka 60 arbetsdagar från inventering till färdig analys av 100 fält med en medelstorlek på ca 3,5 ha (i denna studie), varav flygtiden är ca 6 dagar. Detta är en förbättring jämfört med våra tidigare tester och var möjligt genom att flyga på högre höjd (120 m) och en förenklad bild-analys. Med ytterligare automatisering och bättre datorresurser kan denna tidsåtgång minska betydligt i framtiden.Sammantaget visar studien att en drönarbaserad, AI-stödd metod har stor potential att bli ett praktiskt verktyg för storskalig och upprepad viltskade-inventering av gröda, och kan därmed ge ett robust kunskapsunderlag för framtida beslut inom både lantbruket och viltförvaltningen.

Published in

Rapport / Naturvårdsverket
2025, number: 7203
Publisher: Naturvårdsverket

SLU Authors

UKÄ Subject classification

Fish and Wildlife Management
Ecology

Publication identifier

  • ISBN: 978-91-620-7203-2

Permanent link to this page (URI)

https://res.slu.se/id/publ/145072