Doktorandprojekt: AI vid administration av jordbrukssubventioner

Fakta om projektet

Doktorand
Niels Gundermann
Huvudhandledare
Welf Löwe
Biträdande handledare
Professor Johan Fransson, Linnéuniversitetet, Erika Olofsson, senior lecturer, Linnéuniversitetet, Prof. Dr.-Ing. Andreas Wehrenpfennig, Hochschule Neubrandenburg - University of Applied Science
Deltagande organisationer
Data Experts, Linnéuniversitetet
Finansiär
Data Experts
Tidsplan
September 2023 – September 2028
Ämne
Data- och informationsvetenskap (institutionen för datavetenskap och medieteknik, fakulteten för teknik)
Forskargrupper
Data Intensive Software Technologies and Applications (DISTA)
Linnaeus University Centre for Data Intensive Sciences and Applications (DISA)

Mer om projektet

Data experts stöder statliga myndigheter i förvaltningen av jordbruksstöd. De har olika artificiell intelligens (AI) baserad datorseende, textklassificering och tolkningsuppgifter som doktorandprojektet forskar om, utvecklar och antar. Dataseende uppgifter inkluderar

1. Erkännande av jordbruksskiften: Varje år jämför myndigheterna manuellt den befintliga registreringen av alla jordbruksområden (referensskiften) med aktuella flygfoton. Beslut tas om vilka av referensskiftena som ska justeras eftersom de inte längre passar de geografiska förutsättningarna. Tanken är att stödja denna jämförelseuppgift med AI.

Det finns flera möjliga stödnivåer:

• Erkännande av jordskifte där förmodligen inga ändringar behöver göras.
• Erkännande av jordskifte där en förändring (mycket) sannolikt behövs.
• Föreslå ändringar för justering av referensjordskifte.

2. Kontrolluppgifter kopplade till sökandeorder:

a. Erkännande av jordbruk-solcellssystem: Områden är subventionerade som delvis täcks av solcellssystem men tillåter ytterligare jordbruksanvändning. Dessa områden/system kan kännas igen av AI.

b. Igenkänning av blomremsor: För kontrolländamål kan blomremsor kännas igen genom flygfotografering. Tanken är att känna igen dem med hjälp av en AI.

c. Växelföljdsanalys: Från och med 2024 bör växtföljd utföras enligt vissa kriterier. Om växtföljden äger rum kan det ses på flygbilder. Tanken är att använda en AI för att känna igen grödan och därmed den korrekta implementeringen av rotation.

d. Detektering av trädavverkning: Inom skogsstödsprogrammen kunde skörden övervakas med hjälp av regelbundet tagna flygbilder.

e. Validering av plantering: Sökanden lämnar in bilder som bevis på plantering av åkermarken. Myndigheten använder denna bild för att kontrollera om den begärda användningen kan subventioneras. Identifieringen av planteringen på bilden och andra relevanta kriterier kan kontrolleras av en AI. Dessutom utgör verifieringen av platsen där respektive bild togs ett problem. De verifieringsmedel som för närvarande används (geo-taggning) kan manipuleras. Man skulle kunna försöka jämföra statiska objekt som är synliga på det inlämnade fotot (t.ex. master, höga byggnader etc.) med flygfoton eller motsvarande register (matrikelregistret).

f. Randdetektering: Rader av träd, häckar etc. är särskilt berättigade till finansiering. De kan ligga mitt i området och är då svåra att känna igen. Baserat på flygfoton kan dessa ränder detekteras.

Textklassificering och tolkningsuppgifter inkluderar:

3. Utvärdering av dokument/bevis som ska lämnas: Om sökanden lämnar in ett dokument som inte är formaliserat (intyg, handskrivna brev, e-postmeddelanden) måste detta dokument kategoriseras manuellt och tilldelas en handläggare. Tanken är att stödja denna process med en AI som tränas utifrån dokumentets egenskaper. Exempel på inlämnade icke-formaliserade handlingar är: fakturor, bevisdokument, planeringsdokument, rättsmedel, förfrågningar och till och med felaktigt mottagna handlingar (t.ex. felaktigt adresserade).

4. Validering av viss information: Dokument innehåller flera uppgifter för administration och beräkning av subventioner. Faktum är att människor samlar in denna information manuellt. Tanken är att stödja denna process för informationsinhämtning med en AI.

Projektet är en del av forskningen i industriforskarskolan Data Intensive Applications (DIA), i forskargruppen Data Intensive Software Technologies and Applications (DISTA) och Linnaeus University Centre for Data Intensive Sciences and Applications (DISA).