Testing of LED panels using computer vision
Heldt, Otto (2022)
2022
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-202205139100
https://urn.fi/URN:NBN:fi:amk-202205139100
Tiivistelmä
Tässä opinnäytetyössä tarkastellaan joitain niistä teknologioista, joita tarvitaan konenäköjärjestelmän rakentamiseen, sekä konenäköjärjestelmän rakentamista alusta loppuun LED-paneelien toimivuuden testaamiseen.
Opinnäytetyön tarkoituksena oli löytää hyvä tapa konenäköjärjestelmän rakentamiseen LED-paneelien testaukseen, ja kokeilla onko luotettavaa tapaa testata LED-paneelin toimivuutta konenäön avulla. Hyvän konenäköjärjestelmän tulee olla helppo ja intuitiivinen käyttää, sen tulee myös antaa luotettavia tuloksia ja olla mukautuvainen moniin erilaisiin testaustilanteisiin.
Opinnäytetyössä oli myös tarkoitus tuottaa toimiva konenäköjärjestelmä, ja osoittaa sen toimivuus. Konenäköjärjestelmän tulee toimia asetettujen vaatimusten mukaisesti ja havaita ledit paneelista, jos ne ovat päällä. Nämä tavoitteet saavutettiin ja tulokset kerättiin testausprosessin aikana testeillä, joissa konenäköohjelma sai kuvaa 32x64 LED-paneelista.
Testauksen aikana todettiin, että konenäköohjelma toimi asetettujen vaatimusten mukaisesti. This Bachelor’s thesis covers some of the technologies used in a computer vision system and the process of building a computer vision system from the ground up that can be used to test the functionality of a LED panel.
The goal of this thesis was to find a good method of building a computer vision system for LED panel testing, and to see if it is possible to have a reliable method of testing LED panel functionality with computer vision. A good computer vision system should be easy to use, and it should give out reliable results and be adaptable for different kinds of testing scenarios.
This thesis also aimed to have a working computer vision system setup with results gathered from testing that show a functioning computer vision script detecting LEDs on a LED panel and working according to the requirements set during the planning process. These results were collected by implementing reallife testing with a 64x32 LED panel and a computer vision script that detected how many LEDs were functioning as intended.
This goal was achieved, and the results gathered from the testing process show that LED panels can be tested in a reliable way using computer vision.
Opinnäytetyön tarkoituksena oli löytää hyvä tapa konenäköjärjestelmän rakentamiseen LED-paneelien testaukseen, ja kokeilla onko luotettavaa tapaa testata LED-paneelin toimivuutta konenäön avulla. Hyvän konenäköjärjestelmän tulee olla helppo ja intuitiivinen käyttää, sen tulee myös antaa luotettavia tuloksia ja olla mukautuvainen moniin erilaisiin testaustilanteisiin.
Opinnäytetyössä oli myös tarkoitus tuottaa toimiva konenäköjärjestelmä, ja osoittaa sen toimivuus. Konenäköjärjestelmän tulee toimia asetettujen vaatimusten mukaisesti ja havaita ledit paneelista, jos ne ovat päällä. Nämä tavoitteet saavutettiin ja tulokset kerättiin testausprosessin aikana testeillä, joissa konenäköohjelma sai kuvaa 32x64 LED-paneelista.
Testauksen aikana todettiin, että konenäköohjelma toimi asetettujen vaatimusten mukaisesti.
The goal of this thesis was to find a good method of building a computer vision system for LED panel testing, and to see if it is possible to have a reliable method of testing LED panel functionality with computer vision. A good computer vision system should be easy to use, and it should give out reliable results and be adaptable for different kinds of testing scenarios.
This thesis also aimed to have a working computer vision system setup with results gathered from testing that show a functioning computer vision script detecting LEDs on a LED panel and working according to the requirements set during the planning process. These results were collected by implementing reallife testing with a 64x32 LED panel and a computer vision script that detected how many LEDs were functioning as intended.
This goal was achieved, and the results gathered from the testing process show that LED panels can be tested in a reliable way using computer vision.