Objektintunnistus tuotantolinjojen laaduntarkkailussa : koneoppimismallien vertailu

Abstract

Opinnäytetyön tarkoituksena oli vertailla kahta koneoppimismallia tuotantolinjojen laaduntarkkailun objektintunnistuksen kontekstissa. Tavoitteena oli löytää suorituskykyisempi malli näistä kahdesta. Tutkittavat koneoppimismallit olivat YOLOv11, jonka arkkitehtuuri perustuu konvoluutioneuroverkkoihin, ja RT-DETR, jonka arkkitehtuuri perustuu Transformer-arkkitehtuuriin. Opinnäytetyön toimeksiantaja oli Konekatse Oy.

Opinnäytetyön teoreettisessa osuudessa avataan työn kannalta keskeisiä käsitteitä kuten tekoäly, koneoppiminen sekä molempien käsitteiden alahaarautumia. Työn tietopohja perustuu ajankohtaisiin tieteellisiin julkaisuihin sekä koneoppimismallien virallisiin dokumentaatioihin. Opinnäytetyön tyyppi on toiminnallinen, ja siinä sovelletaan kokeellista tutkimusotetta. Koneoppimismallit koulutettiin tuotantoympäristöä vastaavalla datalla, ja niitä arvioitiin ja vertailtiin eri kvantitatiivisten mittareiden perusteella.

Työn tulosten perusteella havaittiin, että molemmat mallit suoriutuvat kiitettävällä tasolla objektintunnistuksesta. Kuitenkin RT-DETR suoriutui paremmin pienemmillä koulutusdatamäärillä, ja YOLO hyötyi suuremmista koulutusdatamääristä. Lopullisena johtopäätöksenä työn perusteella suositellaan, että toimeksiantaja valitsee jatkokehitykseen Transformer-arkkitehtuurin omaavaan RT-DETR-koneoppimismallin.