Energialaitoksen videokuvan prosessointi tekoälyn avulla

Abstract

Opinnäytetyön tarkoitus oli selvittää, voidaanko tekoälyyn pohjautuvaa objektin tunnistusta hyödyntää energialaitoksen videokuvan prosessoinnissa. Opinnäytetyön tavoite oli luoda sovellus, joka prosessoi ja tunnistaa objekteja energialaitoksen videokuvasta. Työn toimeksiantajana toimi KPA Unicon Oy, joka luo ja toteuttaa puhtaan energian ratkaisuja. Opinnäytetyössä luotiin WPF- ja konsolisovellus .NET ympäristöön. WPF-sovellus oli ensimmäinen prototyyppisovellus, jonka perusteella luotiin konsolisovellus. Konsolisovellus käytti olemassa olevia toimeksiantajan projekteja tiedontallennuksessa, sekä valmiiksi opetettuja ONNX-neuroverkkoja GitHubista. Työn lopputulokseksi saatiin konsoliapplikaatio, joka täyttää toimeksiantajan vaatimat tavoitteet. Sovellus pystyy tunnistamaan hyvällä tarkkuudella videokuvasta objekteja ja tallentamaan ne paikalliseen MongoDB-tietokantaan.

The aim of this thesis was to research and create a proof of concept application which uses artificial intelligence to detect objects from an energy plant's surveillance video. The main objective of the application was to detect objects from video and save detection information to a local database. The proof of concept application was developed using Microsoft’s .NET open-source platform and ML.NET framework. The application used existing YoloV4 neural network to process and detect objects from the energy plant's surveillance video. As a result of this thesis, the created proof of concept application gave useful information to the client on how object detection can be used and implemented in energy plant's surveillance video. The application also gave proof that using pre-trained neural networks can be viable in different environments.