Oppivan konenäköjärjestelmän testaus

Abstract

Tämän opinnäytetyön tavoitteena oli valita toimeksiantajan käyttöön sopiva konenäköjärjestelmä ja testata sen toimintaa itse koulutetulla neuroverkkomallilla. Toimeksiantaja halusi hankkia konenäköjärjestelmän, joka voi hyödyntää tekoälyä. Valinnan tuli kohdistua sellaiseen järjestelmään, joka mahdollistaa opiskelijoille konenäön perusteiden oppimisen ja soveltamisen erilaisissa projekteissa.

Opinnäytetyössä käytiin läpi konenäköjärjestelmän valintaan vaikuttavat valintaperusteet ja valittiin niihin sopiva konenäköjärjestelmä. Tämän jälkeen toteutettiin neuroverkon koulutus, konenäkökameran käyttöönotto käytännön testejä varten sekä esitettiin testauksen tulokset. Konenäköjärjestelmäksi valittiin Luxonis OAK-D, jonka arvioitiin olevan sopiva mahdollistamaan opiskelijoille konenäön perusteiden oppimisen ja soveltamisen erilaisissa projekteissa. Neuroverkon koulutus toteutettiin YOLOv8-arkkitehtuurilla. Mallin koulutus suoritettiin käyttäen Lego-palikoiden kuvia, joissa huomioitiin eri kuvakulmat, taustat ja valaistusolosuhteet. Koulutuksen jälkeen malli muunnettiin kameraan sopivaan formaattiin ja testattiin käytännössä arvioiden sen tarkkuutta ja suorituskykyä eri olosuhteissa.

Tulokset osoittivat, että koulutettujen mallien suorituskyky riippuu merkittävästi koulutusdatan laadusta ja monipuolisuudesta. Vaikka konenäköjärjestelmä kykenee suorittamaan monimutkaisia kuvantunnistustehtäviä, onnistuneella neuroverkon koulutuksella on yksi keskeisimmistä vaikutuksista järjestelmän toimivuuteen ja soveltumiseen käyttötarkoitukseensa.