Neuroverkon hyödyntäminen kalojen vaurioiden havaitsemisessa

Abstract

Tämän opinnäytetyön tavoitteena oli kehittää ja kouluttaa neuroverkko Simsonar Oy:lle heidän käyttöönsä. Neuroverkon tehtävänä on automaattisesti tunnistaa ja paikantaa kuvista vaurioituneet kalat. Lisäksi tavoitteena oli luoda helppokäyttöinen ja tehokas työkalu, joka havaitsee ja merkitsee kuviin vaurioituneet kalat ja kirjoittaa tarvittavat tiedot kohteen havainnosta tiedostoon hyödyntäen tässä työssä koulutettua neuroverkkoa. Työssä panostettiin erityisesti laadukkaaseen datan esikäsittelyyn ja huolelliseen neuroverkon koulutukseen. Näin varmistettiin, että malli pystyy tunnistamaan vauriot luotettavasti erilaisissa tilanteissa. Lopullisen työkalun tuli olla sekä nopea että helposti liitettävissä osaksi yrityksen nykyistä ohjelmistoympäristöä. Työn teoreettisessa osiossa käsitellään neuroverkkojen ja konvoluutioneuroverkkojen perusteita sekä YOLO-arkkitehtuurin käyttöä reaaliaikaiseen kohteen tunnistukseen. Neuroverkkojen kuvataan pystyvän oppimaan olennaisia piirteitä datasta ja tunnistamaan niitä tehokkaasti. Konvoluutioneuroverkkoja tarkastellaan erityisesti niiden soveltuvuuden kannalta kuvantunnistukseen, sillä niiden rakenne mahdollistaa visuaalisten piirteiden hierarkkisen oppimisen. YOLO-arkkitehtuuri puolestaan esitellään tehokkaana ratkaisuna, joka kykenee sekä paikantamaan että luokittelemaan objektit kuvissa reaaliajassa. Tämä teoriaosuus antaa vankan pohjan opinnäytetyössä tehdylle käytännön kehitystyölle. Lopuksi työssä esitellään kehitetyn neuroverkon ja työkalun testitulokset. Testit osoittavat, että ratkaisu tunnistaa vaurioituneet kalat tehokkaasti ja luotettavasti. Malli suoriutuu hyvin erilaisissa tilanteissa ja täyttää sille asetetut tavoitteet. Kehitetty työkalu on jo nyt käyttökelpoinen ja tarjoaa Simsonar Oy:lle tehokkaan tavan vaurioituneiden kalojen tunnistamiseen. Tulevaisuudessa työkalua voidaan edelleen kehittää ja laajentaa vastaamaan entistäkin paremmin yrityksen muuttuviin tarpeisiin.