Pētniecības projekts JP20: uzsākta otrā aktivitāte — MI analītikas risinājuma izstrāde un validācija

Publicēts: 2026. gada septembris

SIA Falkors Group sadarbībā ar SIA ZLM un SIA Animas turpina īstenot pētniecības projektu JP20. Pēc veiksmīgi noslēgtās pirmās aktivitātes — rūpnieciskās priekšizpētes — projekts ir virzījies uz nākamo posmu: mākslīgā intelekta analītikas risinājuma izstrādi meža ugunsgrēka izcelsmes vietas noteikšanai.

Aktivitātē Nr. 2 paveiktais (aprīlis–jūnijs 2026):

Projekta otrajā posmā uzsākta MI analītikas risinājuma izstrāde un validācija:

  • Izstrādāts MI analītikas rīks, kas, kombinējot LoRaWAN sensoru telemetriju ar meteoroloģiskajiem vēja datiem, aprēķina iespējamo meža ugunsgrēka izcelsmes vietu reāllaikā. Risinājums balstās uz Bayesian ģeotelpisko modeli ar Gaussian plume ticamības funkciju — matemātiski pamatotu pieeju dūmu izplatīšanās modelēšanai;

  • Realizēti 7 programmatūras moduļi, tostarp sensoru datu kvalitātes kontrole, anomāliju detekcija, vēja datu integrācija no LVĢMC un kalibrācijas modulis modeļa parametru optimizācijai;

  • Sadarbībā ar SIA ZLM veikti 10 kontrolētie lauka testi piecās Latvijas pilotteritorijās (Lauka virši, Līči, Meža Kalkas, Meža Ģibēni, Taigas) — katrā testā kontrolēts dūmu avots aizdedzināts iepriekš fiksētā GPS koordinātē, lai validētu sistēmas precizitāti;

  • Modeļa validācija uzrādīja vidējo izcelsmes vietas kļūdu 155,8 m, 90% gadījumu iekļaujoties 200 metru mērķī — pārsniedzot projekta pieteikumā noteikto precizitātes prasību;

  • Kalibrācijas process samazināja modeļa vidējo kļūdu no 329 m (pirms kalibrācijas) uz 155,8 m (pēc kalibrācijas), apliecinot ka modeļa apmācības komponente darbojas efektīvi;

  • SIA Animas uzsākusi sagatavošanos platformas prototipa izstrādei — definēta tehniskā arhitektūra, API specifikācija un izolētas integrācijas princips, kas nodrošinās ka MI modulis netraucēs esošās platformas darbību.

Starpposma rezultāts: Izstrādāts un validēts MI analītikas risinājuma prototips meža ugunsgrēka izcelsmes vietas noteikšanai, sasniedzot TRL 4 līmeni. Risinājums ietver skaidrojamā MI (Explainable AI) principus — katrai prognozētajai izcelsmes vietai sistēma sniedz teksta skaidrojumu par sensoru rādījumiem un to korelāciju ar vēja virzienu, atbildot uz 100% aptaujāto lietotāju prasību pēc sistēmas caurspīdīguma.

Projekts turpinās — nākamajā posmā plānota topogrāfijas datu (EU-DEM) integrācija, papildu lauka testi un platformas prototipa izstrāde.

Pētniecības projekts JP20: noslēgta pirmā aktivitāte — rūpnieciskā priekšizpēte

Publicēts: 2026. gada jūnijs

SIA Falkors Group sadarbībā ar SIA ZLM un SIA Animas turpina īstenot pētniecības projektu "Intuitīvas teritoriju monitoringa platformas izstrāde ar MI balstītu sensoru integrāciju mežsaimniecības un lauksaimniecības vajadzībām" (projekts JP20), kas tiek īstenots Meža nozares kompetences centra ietvaros.

Projekta līguma Nr.: 5.1.1.2.i.0/2/24/A/CFLA/001 Projekta īstenošanas periods: 01.2026 – 12.2026 Projekta mērķis: izstrādāt intuitīvu teritoriju monitoringa platformu, kas ar mākslīgā intelekta palīdzību analizē sensoru un ārējo datu avotu informāciju vides risku agrīnai noteikšanai meža un lauksaimniecības teritorijās.

Aktivitātē Nr. 1 paveiktais (janvāris–marts 2026):

Projekta pirmajā posmā veikta visaptveroša rūpnieciskā priekšizpēte par būtiskākajiem vides riskiem meža un lauksaimniecības nozarēs Latvijā un citās Eiropas valstīs:

  • Aptaujāti 28 respondenti Latvijā — lauksaimnieki, meža īpašnieki un pašvaldības — par aktuālākajiem vides riskiem un vajadzībām monitoringa risinājumiem;

  • Veikta institucionālā izpēte četrās Eiropas valstīs (Portugāle, Francija, Spānija, Grieķija), tostarp konsultācijas ar civilās aizsardzības dienestiem, reģionālajām pārvaldēm un nozares ekspertiem;

  • Izvērtēti vairāk nekā 60 LoRaWAN sensoru modeļi sešās vides risku kategorijās un 15 ārējie datu avoti (meteoroloģiskie, kartogrāfiskie, satelītu dati);

  • Veikti sensoru lauka testi un savākta izlases datu kopa ar vairāk nekā 5 500 mērījumu nolasījumiem turpmākai MI modeļa izstrādei;

  • Definētas platformas funkcionālās prasības un MI modeļa datu prasības.

Galvenais secinājums: Latvijas tirgū aktuālākie riski ir kaitēkļu izplatība, sausums un applūšana, savukārt Dienvideiropas valstīs kā kritiskākā problēma identificēti meža ugunsgrēki. Ņemot vērā risinājuma eksporta potenciālu, par prioritāro mākslīgā intelekta analītikas virzienu noteikta meža ugunsgrēka izcelsmes vietas agrīna noteikšana, vienlaikus veidojot platformu kā universālu rīku visu identificēto vides risku monitoringam.

Pētījums tiek īstenots Meža nozares kompetences centra AF projekta Nr. 5.1.1.2.i.0/2/24/A/CFLA/001 ietvaros.
Pētījuma Nr.: JP20
Pētījuma nosaukums: Intuitīvas teritoriju monitoringa platformas izstrāde ar MI balstītu sensoru integrāciju mežsaimniecības un lauksaimniecības vajadzībām
Īstenošanas periods: 01.10.2025.–30.10.2026.

Pētījuma mērķis ir izstrādāt inovatīvu, lietotājam draudzīgu vides monitoringa platformas prototipu ar integrētu mākslīgā intelekta analītikas risinājumu, kas paredzēts būtiskāko vides risku agrīnai noteikšanai meža un lauksaimniecības nozarēs. Platforma būs savietojama ar dažādiem LoRaWAN sensoriem un izmantos arī ārējos datu avotus, tostarp meteoroloģiskās datubāzes un karšu materiālus.

Galvenās aktivitātes ietver rūpniecisko priekšizpēti par vides riskiem un datu pielietojamību to noteikšanā, mākslīgā intelekta analītikas risinājuma izstrādi konkrēta riska prognozēšanai, kā arī funkcionāla platformas prototipa izveidi un testēšanu simulētā vai reālā vidē.

Plānotais rezultāts ir tehnoloģiski integrēta sistēma vides risku uzraudzībai ar datu vizualizācijas, analītikas un agrīnās brīdināšanas iespējām, kas sniegs ieguldījumu ilgtspējīgā resursu pārvaldībā un klimata radīto seku mazināšanā.