Tekoälyä hyödyntävän sovelluksen määrittely valaisimien teknisten tietojen analysointiin
Jokiharju, Patrik (2022)
Jokiharju, Patrik
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-2022122131263
https://urn.fi/URN:NBN:fi:amk-2022122131263
Tiivistelmä
Valaisimien ja muiden sähkölaitteiden turvallisuustestauksessa käsitellään paljon laitteiden teknistä dokumentaatiota. Standardit asettavat vaatimuksia laitteiden arvokilpien ja muun teknisen dokumentaation sisällölle, ja teknisten tietojen perusteella tehdään testaukseen liittyviä päätöksiä. Teknisen dokumentaation analysointi on perinteisesti tehty manuaalisesti.
Tämän opinnäytetyön tarkoituksena oli tutkia, kuinka tekoälyä voidaan hyödyntää sähkölaitteiden teknisen dokumentaation analysoinnissa. Tavoitteena oli määrittää käytettävät tekoälytekniikat sekä pohtia, kuinka tekoälymallien avulla saatuja tietoja voidaan käyttää testausprosessissa. Työn yhteydessä oli tarkoitus luoda tekoälymallit, joiden avulla arvokilvistä ja teknisestä dokumentaatiosta saataisiin tunnistettua ja eristettyä tarvittavia tietoja.
Opinnäytetyössä päädyttiin käyttämään Azuren Cognitive Services -palvelun pilvipohjaisia tekoälymalleja. Palvelusta valittiin OCR-algoritmi kirjoitetun tekstin tunnistamiseen, mukautettu entiteettientunnistusmalli tekstin luokitteluun sekä mukautettu objektintunnistusmalli arvokilvissä esiintyvien kuvatunnusten tunnistukseen ja luokitteluun. OCR-algoritmin osalta päädyttiin tutkimaan, kuinka erilaiset kuvausolosuhteet vaikuttavat tekstin tunnistukseen. Mukautettujen mallien osalta tutkimuksen yhteydessä kerättiin opetusdatat, valmisteltiin opetukset, opetettiin mallit ja arvioitiin mallien hyvyyttä. Tutkimuksessa esitellään tutkimustulokset OCR-algoritmin osalta sekä mukautettujen mallien luomisprosessit ja metriikat. Tutkimuksessa esitetään myös pohdintaa siitä, kuinka mallien avulla saatuja tietoja voitaisiin käyttää testauksen apuna ja miten malleista voitaisiin rakentaa kokonaisvaltainen sovellus.
Tutkimuksen tuloksena todettiin, että tekoälyä voidaan hyödyntää arvokilpien ja teknisen dokumentaation analysoinnissa. Tutkimuksen aikana havaittujen haasteiden myötä tultiin kuitenkin siihen tulokseen, että vaikka tekoälyä voidaan hyödyntää, niin kaikissa tapauksissa se ei välttämättä ole kannattavaa. Tekoälyn tuoma hyöty riippuu paljon siitä, kuinka monimutkaisen laitteen teknisiä tietoja tekoälyä hyödyntävän sovelluksen avulla on tarkoitus analysoida.
Tämän opinnäytetyön tarkoituksena oli tutkia, kuinka tekoälyä voidaan hyödyntää sähkölaitteiden teknisen dokumentaation analysoinnissa. Tavoitteena oli määrittää käytettävät tekoälytekniikat sekä pohtia, kuinka tekoälymallien avulla saatuja tietoja voidaan käyttää testausprosessissa. Työn yhteydessä oli tarkoitus luoda tekoälymallit, joiden avulla arvokilvistä ja teknisestä dokumentaatiosta saataisiin tunnistettua ja eristettyä tarvittavia tietoja.
Opinnäytetyössä päädyttiin käyttämään Azuren Cognitive Services -palvelun pilvipohjaisia tekoälymalleja. Palvelusta valittiin OCR-algoritmi kirjoitetun tekstin tunnistamiseen, mukautettu entiteettientunnistusmalli tekstin luokitteluun sekä mukautettu objektintunnistusmalli arvokilvissä esiintyvien kuvatunnusten tunnistukseen ja luokitteluun. OCR-algoritmin osalta päädyttiin tutkimaan, kuinka erilaiset kuvausolosuhteet vaikuttavat tekstin tunnistukseen. Mukautettujen mallien osalta tutkimuksen yhteydessä kerättiin opetusdatat, valmisteltiin opetukset, opetettiin mallit ja arvioitiin mallien hyvyyttä. Tutkimuksessa esitellään tutkimustulokset OCR-algoritmin osalta sekä mukautettujen mallien luomisprosessit ja metriikat. Tutkimuksessa esitetään myös pohdintaa siitä, kuinka mallien avulla saatuja tietoja voitaisiin käyttää testauksen apuna ja miten malleista voitaisiin rakentaa kokonaisvaltainen sovellus.
Tutkimuksen tuloksena todettiin, että tekoälyä voidaan hyödyntää arvokilpien ja teknisen dokumentaation analysoinnissa. Tutkimuksen aikana havaittujen haasteiden myötä tultiin kuitenkin siihen tulokseen, että vaikka tekoälyä voidaan hyödyntää, niin kaikissa tapauksissa se ei välttämättä ole kannattavaa. Tekoälyn tuoma hyöty riippuu paljon siitä, kuinka monimutkaisen laitteen teknisiä tietoja tekoälyä hyödyntävän sovelluksen avulla on tarkoitus analysoida.