Konenäön opettaminen
Haataja, Valeri (2021)
Haataja, Valeri
2021
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202105118320
https://urn.fi/URN:NBN:fi:amk-202105118320
Tiivistelmä
Tämän opinnäytetyön tavoitteena oli tutkia konenäköjärjestelmää ja etsiä tunnistustarkkuutta parantavia tekijöitä. Konenäköjärjestelmä oli tarkoitettu työkoneiden osien tunnistamiseen varaosien tilaamisen helpottamiseksi ja nopeuttamiseksi. Tarve työlle tuli, kun järjestelmää oltiin ottamassa asiakaskäyttöön, mutta tunnistustulokset olivat olleet heikkoja.
Työ tehtiin tutkimalla konenäköjärjestelmän toimintaa ja etsimällä tekijöitä tunnistustarkkuuden parantamiseksi. Ensin työssä käsitellään konenäköön liittyviä aiheita, sekä kerrotaan järjestelmän toiminnasta. Tutkimista varten tehtiin paikallinen testiympäristö, jossa konenäön pystyi opettamaan ja testaamaan tarkkuutta monella tavalla.
Työn lopputuloksena saatiin tutkittua, testattua ja dokumentoitua konenäön opettamisen ja testauksen vaiheet sekä tulokset. Testien tuloksena pystyttiin toteamaan konenäköjärjestelmän toimivan hyvin, kun opetusdata on tarpeeksi laadukasta. Kuvien tunnistus parani huomattavasti rajaamalla häiriötekijöitä taustalta pois, joten jos kuvien laatu olisi standardisoitua, niin silloin tunnistustarkkuus saataisiin varmistettua.
Työ tehtiin tutkimalla konenäköjärjestelmän toimintaa ja etsimällä tekijöitä tunnistustarkkuuden parantamiseksi. Ensin työssä käsitellään konenäköön liittyviä aiheita, sekä kerrotaan järjestelmän toiminnasta. Tutkimista varten tehtiin paikallinen testiympäristö, jossa konenäön pystyi opettamaan ja testaamaan tarkkuutta monella tavalla.
Työn lopputuloksena saatiin tutkittua, testattua ja dokumentoitua konenäön opettamisen ja testauksen vaiheet sekä tulokset. Testien tuloksena pystyttiin toteamaan konenäköjärjestelmän toimivan hyvin, kun opetusdata on tarpeeksi laadukasta. Kuvien tunnistus parani huomattavasti rajaamalla häiriötekijöitä taustalta pois, joten jos kuvien laatu olisi standardisoitua, niin silloin tunnistustarkkuus saataisiin varmistettua.