# Tekoäly tulee taivaalta ihmisen avuksi - Savonia-AMK

> Savonia-ammattikorkeakoulussa kehitetään uusia älydroneja yhteistyössä poliisin ja pelastustoimen kanssa.

## Henkilöetsinnän uudet ratkaisut
Savonia-ammattikorkeakoulussa kehitetään yhteistyössä poliisin ja pelastustoimen kanssa uusia älykkäitä ratkaisuja henkilöetsintään. Tarpeet voivat liittyä esimerkiksi kiireellisiin hätätilanteisiin, rikostutkintaan tai eksyneiden henkilöiden paikantamiseen. Hankkeessa hyödynnetään kehittyvää tutkimustietoa droonien ja tekoälyn mahdollisuuksista.

Dronen hyödyntäminen henkilöetsinnässä on todettu erinomaiseksi työvälineeksi. Käytännössä etsintä toteutetaan tällä hetkellä drone-lennättäjän ammattitaidon ja kokemuksen avulla. Etsintämenetelmä on aina tapauskohtainen olosuhteet, ympäristö ja etsittävä henkilö sekä käytettävissä olevan dronen ominaisuudet huomioiden. 

Tuomalla ihmisen avuksi konenäkö ja automatisoimalla lennätystapa tai -reitti voidaan etsintätyötä nopeuttaa, helpottaa ja varmistaa.

## Tekoäly ja konenäkö etsinnän tukena
Viime vuosina tekoälypohjaiseen syväoppimiseen perustuvat menetelmät ovat mullistaneet ihmisten tunnistamisen miehittämättömien ilma-alusten tuottamasta kuvamateriaalista. Kansainvälisen tutkimuskirjallisuuden mukaan erityisesti konenäkötekniikkaan perustuvat YOLO-mallit ovat nousseet keskeisiksi pienikokoisten kohteiden, kuten maastossa liikkuvien tai osittain peittyneiden ihmisten havaitsemisessa.

Savonian Robomove-AI-hankkeessa on huomattu lämpökameran mahdollisuudet henkilön etsinnässä. Kun näkyvän valon kamera ja lämpökamera toimivat yhdessä, saadaan molempien teknologioiden edut käyttöön. Tämä mahdollistaa kohteiden tunnistamisen tarkemmin ja parantaa etsintätehokkuutta ympäri vuoden erilaisissa sää- ja valaistusolosuhteissa.

Lisäksi tutkitaan Airborne Optical Sectioning (AOS) -tekniikkaa, joka mahdollistaa kuvien yhdistämisen niin, että puuston ja muun peitteisyyden vaikutusta näkyvyyteen voi vähentää, jolloin tiheästä metsämaastosta erottuvat etsittävät henkilöt selkeämmin.

## Robomove-AI-hanke
Savonia-ammattikorkeakoulun Robomove-AI -hankkeen tavoitteena on tutkia ja kehittää älykästä droneteknologiaa ja maarobotiikkaa, jotka toimivat luotettavasti ja tukevat laajasti viranomaisen ja elinkeinoelämän käytännön tarpeita.

## Tutkimus ja kansainväliset kokemukset
Droonien käyttö henkilönetsinnässä on yleistynyt maailmalla. Tutkimustuloksia:
* **Autonomiset parvet:** Eräässä tutkimuksessa hyödynnettiin TinyYolo-konenäköominaisuutta, joka mahdollisti reaaliaikaisen etsinnän drooniparvessa ilman yhteyttä maassa olevaan ohjaajaan.
* **Suorituskyky:** Tutkimuksissa on todettu, että 6-kertainen zoom ja noin 23 kuvaa sekunnissa käsittelevä malli (kuten YOLOv5) ovat välttämättömiä reaaliaikaiseen etsintään.
* **Pelastustoiminta:** Puolalaisessa tutkimuksessa (2021–2023) havaittiin, että droonien käyttö paransi tilannekuvaa, tuki päätöksentekoa ja lisäsi pelastajien turvallisuutta.
* **Tilastot:** Puolassa toteutettiin kolmen vuoden aikana 780 droonioperaatiota, joista 36,2 % liittyi kadonneiden etsintään. Suomessa poliisilla oli vuonna 2025 yli 6500 operatiivista lentoa, joista yli puolet (3410 kpl) oli etsintätehtäviä.

## Teknologiset haasteet
Etsintä- ja pelastustoiminnan kannalta kuvamateriaalin automaattinen analysointi on kriittistä. Tutkimusten mukaan paras ratkaisu ei perustu yhteen yleiskäyttöiseen arkkitehtuuriin, vaan pitkälle erikoistuneisiin ja kevyisiin syviin konenäkötekniikoihin (Deep CNN). Mallien on oltava optimoituja korkean tarkkuuden saavuttamiseksi, sillä väärät positiiviset havainnot kuluttavat kriittistä aikaa ja resursseja.

## Kirjoittajat
* **Tolonen, Marko**, lehtori, Savonia-ammattikorkeakoulu
* **Maskulainen, Paavo**, TKI projektipäällikkö, Savonia-ammattikorkeakoulu
* **Jakorinne, Asmo**, TKI asiantuntija, Savonia-ammattikorkeakoulu
* **Lassila, Timo**, TKI asiantuntija, Savonia-ammattikorkeakoulu
* **Geisler, Johannes**, TKI asiantuntija, Savonia-ammattikorkeakoulu

## Lähteet
* Amala Arokia Nathan, R. J., et al. (2025). An autonomous drone swarm for detecting and tracking anomalies among dense vegetation. *Communications Engineering*.
* Bany Abdelnabi, A. A., & Rabadi, G. (2024). Human Detection From Unmanned Aerial Vehicles’ Images for Search and Rescue Missions: A State-of-the-Art Review. *IEEE Access*.
* Fadheli, H., et al. (2024). A Non-GPS Return to Home Algorithm for Drones using Convolutional Neural Network. *Journal of Advanced Research in Applied Sciences and Engineering Technology*.
* Kubiak, T., et al. (2025). Use of unmanned aerial vehicles by the entities of National Firefighting and Rescue System in Poland to search for people – a review of interventions performed in the years 2021–2023. *International Journal of Emergency Services*.
* Kurmi, I., et al. (2022). Combined person classification with airborne optical sectioning. *Scientific Reports*.
* McClure, J., & Sahin, F. (2019). A Low-Cost Search-and-Rescue Drone for Near Real-Time Detection of Missing Persons. *2019 14th Annual Conference System of Systems Engineering (SoSE)*.
* Niskanen, M. (2024). Droonien tuottaman datan hyödyntäminen pelastustoimessa. *Theseus.Fi*.
* Sambolek, S., & Ivasic-Kos, M. (2021). Automatic Person Detection in Search and Rescue Operations Using Deep CNN Detectors. *IEEE Access*.
* Simões, D. P., et al. (2025). Human detection in UAV imagery using deep learning: a review. *Neural Computing and Applications*.
* Suomen poliisin tilasto, 3.2.2026. Itä-Suomen poliisi 2026.
* Zherebtsov, V. (2024). Unmanned aerial vehicles in search and rescue operations. *LUT University*.