Suhozidi, kameni spomenici vještine i truda važan su dio hrvatskog krajolika. Njihovo mapiranje, ključno za očuvanje i analizu, tradicionalno je spor proces koji se oslanja na terenski rad i manualnu interpretaciju zračnih snimki. Drugi otok vl. Filip Bubalo, obrt posvećen istraživanju i zaštiti vernakularne baštine, prepoznao je ovaj izazov kao priliku za primjenu novih tehnologija. Postavili su jasno pitanje: može li moderna umjetna inteligencija detektirati ove suptilne strukture na kompleksnim LiDAR snimkama i tako unaprijediti proces dokumentiranja?
Rješenje kroz Test-Before-Invest (TBI) program
Kako bi testirao ovu ideju, Drugi otok vl. Filip Bubalo je ostvario suradnju s EDIH Adria konzorcijem kroz “Test Before Invest” (TBI) program. Cilj projekta bio je istražiti tehničku izvedivost i razviti prototip AI modela za automatsku detekciju suhozida. Fokus je bio na primjeni suvremenih tehnika računalnog vida kako bi se riješio specifičan problem: prepoznavanje nepravilnih, često erodiranih kamenih struktura na LiDAR podacima niskog kontrasta s velikom razinom šuma.
U sklopu TBI aktivnosti, stručnjaci sa Sveučilišta Jurja Dobrile u Puli, partnera u EDIH Adria konzorciju, blisko su surađivali sa obrtom Drugi otok vl. Filip Bubalo. Ključni koraci uključivali su:
- Stvaranje namjenskog skupa podataka: Korisnik je proveo precizno anotiranje preko 3000 primjera suhozida na više od 700 LiDAR slika, pribavljenih u suradnji sa Javnom ustanovom za upravljanje Park šumom Marjan, stvarajući prvi takav set podataka u Hrvatskoj, specifično namijenjen treniranju AI.
- Primjena OBB tehnike: Zbog izduženog oblika zidova, korištena je YOLOv11 arhitektura s podrškom za orijentirane okvire (Oriented Bounding Boxes – OBB), omogućujući modelu da preciznije opiše položaj i kut detektiranih struktura.
- Strateška optimizacija modela: Kroz niz eksperimenata, utvrđeno je da spajanje svih tipova suhozida u jednu klasu te treniranje na slikama visoke rezolucije (1280px) daje najstabilnije rezultate.
Rezultati i koristi za Drugi otok
TBI projekt je uspješno pokazao da je, unatoč izazovima, primjena AI za detekciju suhozida tehnički izvediva i obećavajuća:
- Uspostavljena osnovna razina performansi: YOLOv11 medium OBB model postigao je preciznost (precision) od 47.7% i pronalazak (recall) od 47.5%. Ovi rezultati dokazuju da je model sposoban naučiti vizualne karakteristike suhozida i predstavljaju čvrst, mjerljiv temelj za daljnji razvoj.
- Definiran potencijal “AI asistenta”: Prototip je pokazao mogućnost da funkcionira kao alat za ubrzavanje manualnog rada. Umjesto pretraživanja praznih karata, istraživači mogu koristiti AI za “prvi prolaz” koji automatski označava gotovo polovicu svih potencijalnih lokacija, što može značajno ubrzati proces mapiranja.
- Identificirani ključni izazovi i rješenja: Projekt je potvrdio da je najveći izazov sama priroda LiDAR podataka. Ovo saznanje usmjerava buduće napore prema nabavi LiDAR podataka veće gustoće (minimalno 300 točaka/m², ali poželjno i više) kao najznačajnijem koraku za daljnje poboljšanje točnosti. Dodatno, kvaliteta ulaznih podataka zasigurno bi značajno porasla ukoliko bi se AI modeli primjenjivali izravno na oblaku točaka, umjesto na LiDAR slikama.
Rezultati i koristi za Drugi otok
Ovaj TBI projekt pružio je Drugom otoku vrijedne spoznaje:
- Važnost specijaliziranih podataka: Uspjeh leži u stvaranju vlastitih, visokokvalitetnih setova podataka prilagođenih specifičnom problemu.
- AI kao alat za ubrzanje, ne zamjenu: Najveća snaga AI u očuvanju baštine je u osnaživanju stručnjaka, omogućujući im da rade brže i učinkovitije.
- Jasan put za daljnji razvoj: Projekt je rezultirao konkretnim preporukama, od nabave kvalitetnijih podataka do razvoja GIS plugina koji bi ovaj prototip pretvorio u praktičan alat.
Obrt Drugi otok vl. Filip Bubalo planira iskoristiti rezultate ovog projekta kao temelj za daljnji razvoj i integraciju ovog rješenja u suradnji sa znanstvenim institucijama te razmatra primjenu u okviru javnih institucija koje se bave zaštitom kulturne baštine.
Drugi otok i vl. Filip Bubalo ovim putem izražava veliku zahvalnost Sveučilištu Jurja Dobrile u Puli i EDIH Adria konzorciju na iznimno vrijednoj suradnji u okviru programa Test Before Invest (TBI).Kroz zajednički rad, uspješno smo testirali primjenu umjetne inteligencije za automatsku detekciju suhozida na kompleksnim LiDAR snimkama, što je može se reći presedan za projekte koji se bave proučavanjem kulturne baštine.Rezultati potvrđuju da suvremene tehnologije, poput LiDAR-a, AI (umjetne inteligencije) i software za obradu prostornih podataka, mogu igrati ključnu ulogu u očuvanju kulturne baštine – ubrzavajući procese mapiranja i otvarajući nova vrata digitalnim alatima za istraživanje krajolika. Posebno ističemo stručnost i predanost istraživačkog tima sa Sveučilišta Jurja Dobrile, čija je podrška bila ključna u razvoju prvog AI modela takve vrste u Hrvatskoj. Vjerujemo da ovaj projekt predstavlja važan iskorak prema održivom i inovativnom pristupu zaštiti naše vernakularne baštine, te se veselimo nastavku razvoja i suradnji na budućim inicijativama. Drugi otok – obrt za istraživanje, savjetovanje i proizvodnju filmova, Vl. Filip Bubalo
Zaključak
Suradnja između obrta Drugi otok vl. Filip Bubalo i EDIH Adria kroz TBI program uspješan je primjer kako se moderna tehnologija može primijeniti za rješavanje specifičnih izazova u očuvanju kulturne baštine. Ovaj projekt nije samo potvrdio tehničku izvedivost AI detekcije suhozida, već je i stvorio temelj za razvoj novih digitalnih alata koji će budućim generacijama olakšati proučavanje i zaštitu krajolika. EDIH Adria nastavlja podržavati inovatore poput Drugog otoka, osnažujući ih da testiraju i primjene napredne tehnologije koje donose stvarnu vrijednost.
