Tekstiilin tunnistaminen koneoppimismallin avulla
Saari, Tomi (2023)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202301251613
https://urn.fi/URN:NBN:fi:amk-202301251613
Tiivistelmä
Tämän opinnäytetyön tavoitteena oli toteuttaa mobiilisovellus sekä koneoppimismalli kankaan tunnistamiseen. Näiden avulla toteutui kokonaisuus, joka hyödyntää koneoppimismallia tunnistamaan onko otetussa kuvassa kude vai neule. Tavoitteena oli tutkia, onko tällainen tunnistaminen yleisesti ottaen mahdollista.
Mobiilisovelluksen teknologiaksi valikoitui Xamarin, koska se tukee kehittämistä Android ja iOS alustoille samalla koodipohjalla. iOS sovellus ei toteutunut tämän opinnäytetyön aikana, koska se olisi vaatinut Mac tietokoneen, eikä sellaista ollut saatavilla opinnäytetyöprosessin aikana. Android sovellus toimi koneoppimismallin käytön mahdollistajana.
Koneoppimisteknologiaksi valikoitui TensorFlow Lite. TensorFlow Litellä pystytään toteuttamaan Keraksen avustuksella nopeasti koneoppimismalli. Koneoppimismallin opettamiseen käytettiin LAB:n toimittamia valmiita kuvia, jotka oli luokiteltu valmiiksi.
Lopputuloksena syntyi Android sovellus, joka hyödyntää muodostettua TensorFlow Lite koneoppimismallia. Koneoppimismallin tarkkuus ei ollut riittävän hyvällä tasolla, että sitä voisi käyttää tuotantokäytössä. Loppupäätelmänä on, että tähän pitäisi pystyä käyttämään enemmän aikaa, kuin tämän opinnäytetyön kirjoittajalla oli mahdollista allokoida tämän kehittämiseen päivätyön ohessa, jotta tunnistamisen tarkkuus olisi riittävällä tasolla.
Mobiilisovelluksen teknologiaksi valikoitui Xamarin, koska se tukee kehittämistä Android ja iOS alustoille samalla koodipohjalla. iOS sovellus ei toteutunut tämän opinnäytetyön aikana, koska se olisi vaatinut Mac tietokoneen, eikä sellaista ollut saatavilla opinnäytetyöprosessin aikana. Android sovellus toimi koneoppimismallin käytön mahdollistajana.
Koneoppimisteknologiaksi valikoitui TensorFlow Lite. TensorFlow Litellä pystytään toteuttamaan Keraksen avustuksella nopeasti koneoppimismalli. Koneoppimismallin opettamiseen käytettiin LAB:n toimittamia valmiita kuvia, jotka oli luokiteltu valmiiksi.
Lopputuloksena syntyi Android sovellus, joka hyödyntää muodostettua TensorFlow Lite koneoppimismallia. Koneoppimismallin tarkkuus ei ollut riittävän hyvällä tasolla, että sitä voisi käyttää tuotantokäytössä. Loppupäätelmänä on, että tähän pitäisi pystyä käyttämään enemmän aikaa, kuin tämän opinnäytetyön kirjoittajalla oli mahdollista allokoida tämän kehittämiseen päivätyön ohessa, jotta tunnistamisen tarkkuus olisi riittävällä tasolla.