Kappaleen tunnistaminen OpenCV:n avulla konenäkökameralla sekä web-kameralla
Heino, Tuomas (2024)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024052013300
https://urn.fi/URN:NBN:fi:amk-2024052013300
Tiivistelmä
Tämän insinöörityön tavoitteena oli luoda Metropolia Ammattikorkeakoululle varastonhallintajärjestelmään soveltuva ratkaisu kappaleiden tunnistusta varten. Työssä ei ole tehty asennustöitä varastonhallintajärjestelmään, vaan siinä keskitytään kameroiden ominaisuuksien tutkimiseen sekä sovelluksien kehittämiseen.
Kameroina työssä käytettiin koulun tuottamaa Banner Engineeringin iVu Plus Gen2 Demo -konenäkökameraa sekä tekijän omaa Logitech c922 Pro Stream -web-kameraa. Työ on jaettu kahteen osioon kameroiden perusteella. Ensimmäisessä osiossa kerrotaan konenäkökamerasta ja toisessa web-kamerasta.
Opinnäytetyössä käydään kameroiden tekniset tiedot, sovelluskohtaiset ominaisuudet sekä toiminnallisuudet lävitse, jotta lukijalle tulee selvä mielikuva kameroiden eroavaisuuksista sekä mahdollisuuksista kappaleiden tunnistamisessa.
Kameroiden omien ominaisuuksien lisäksi työssä on suunniteltu molemmille kameroille oma Python-sovellus kappaleiden tunnistamista varten ja niiden koodit käydään yksityiskohtaisesti lävitse. Web-kameran Python-sovellus pitää sisällään myös värintunnistuksen. Kameroiden Python-sovelluksien kappaleiden tunnistaminen tehdään OpenCV- sekä Numpy-kirjastoja käyttäen.
Työn lopussa käydään kameroiden hyvät sekä huonot puolet ja pohditaan niiden käytännöllisyyttä koulun varastonhallintajärjestelmän kannalta.
Insinöörityön aihetta ja koodia voidaan käyttää kappaleiden tunnistamisessa sekä sopivan kameran valitsemisessa erilaisia projekteja varten, vaikka työ on tehty koulun varastonhallintajärjestelmää varten. Koodi on myös helposti muokattavissa, mikä lisää työn mukautuvuutta mitä erillisimpiin projekteihin.
Kameroina työssä käytettiin koulun tuottamaa Banner Engineeringin iVu Plus Gen2 Demo -konenäkökameraa sekä tekijän omaa Logitech c922 Pro Stream -web-kameraa. Työ on jaettu kahteen osioon kameroiden perusteella. Ensimmäisessä osiossa kerrotaan konenäkökamerasta ja toisessa web-kamerasta.
Opinnäytetyössä käydään kameroiden tekniset tiedot, sovelluskohtaiset ominaisuudet sekä toiminnallisuudet lävitse, jotta lukijalle tulee selvä mielikuva kameroiden eroavaisuuksista sekä mahdollisuuksista kappaleiden tunnistamisessa.
Kameroiden omien ominaisuuksien lisäksi työssä on suunniteltu molemmille kameroille oma Python-sovellus kappaleiden tunnistamista varten ja niiden koodit käydään yksityiskohtaisesti lävitse. Web-kameran Python-sovellus pitää sisällään myös värintunnistuksen. Kameroiden Python-sovelluksien kappaleiden tunnistaminen tehdään OpenCV- sekä Numpy-kirjastoja käyttäen.
Työn lopussa käydään kameroiden hyvät sekä huonot puolet ja pohditaan niiden käytännöllisyyttä koulun varastonhallintajärjestelmän kannalta.
Insinöörityön aihetta ja koodia voidaan käyttää kappaleiden tunnistamisessa sekä sopivan kameran valitsemisessa erilaisia projekteja varten, vaikka työ on tehty koulun varastonhallintajärjestelmää varten. Koodi on myös helposti muokattavissa, mikä lisää työn mukautuvuutta mitä erillisimpiin projekteihin.