Tekoälyavustus konepiirtämisessä
Heikkinen, Jon (2025)
2025
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-2025121135130
https://urn.fi/URN:NBN:fi:amk-2025121135130
Tiivistelmä
Opinnäytetyön tavoitteena oli kehittää koneoppimiseen pohjautuva ratkaisu, joka mahdollistaa teknisten piirustusten komponenttien tunnistamisen ja integroituu AutoCAD-ympäristöön. Tavoitteena oli pohjustaa näillä vaatimuksilla konepiirtämisen toistuvien työvaiheiden automatisointia.
Työn toteutukseen käytettiin sääntöpohjaista geometriaa sekä konvoluutioneuroverkkoa hyödyntävää hybridimallia, joka mahdollistaa piirustukseen sisältyvien eri komponenttien tunnistamisen ja luokittelun automaattisesti. Mallin saamat syötteet saatiin CAD-piirusten geometrioista rasteroiduilla kuvilla. Toteutukseen käytetyt teknologiat sisältävät tekniikoita lähteistä Python, TensorFlow ja OpenCV. Testausta suoritettiin synteettisesti generoiduilla piirustuksilla.
Työn rakenne jaettiin kuuteen päälukuun, joissa rakenne eteni kehitysprosessin vaiheiden mukaisesti toiminnallisuuksiin ja tuloksiin saakka. Aluksi perehdyttiin aiheeseen taustan ja tavoitteiden kautta, minkä jälkeen käsiteltiin teknisen suunnittelun digitalisoitumista ja automaation suomia mahdollisuuksia. Teoriaosuudessa tuotiin ilmi koneoppimisen ja konvoluutioneuroverkkojen periaatteet, jotka tulevat käyttöön työn toiminnallisessa osuudessa. Toiminnallisuuden luvuissa avattiin työn sisältämää dataa ja koulutuksen yksityiskohtia. Lopuksi analysoitiin mallin suorituskykyä ja tarkasteltiin keskeiset havainnot.
Tuloksena työssä oli toimiva ja modulaarinen kokonaisuus, joka mahdollistaa uusien komponenttien lisäämisen mallin tietoon sekä valmiin alustan jatkokehitykselle, eli CAD-komentojen automaatiolle tai piirustusten dokumentaatiolle. Työn tarkoitus oli osoittaa, että koneoppimista voidaan hyödyntää vahvana menetelmänä tekniseen suunnitteluun liittyvien työvaiheiden tukena sekä osana automaatioputkea.
Työn toteutukseen käytettiin sääntöpohjaista geometriaa sekä konvoluutioneuroverkkoa hyödyntävää hybridimallia, joka mahdollistaa piirustukseen sisältyvien eri komponenttien tunnistamisen ja luokittelun automaattisesti. Mallin saamat syötteet saatiin CAD-piirusten geometrioista rasteroiduilla kuvilla. Toteutukseen käytetyt teknologiat sisältävät tekniikoita lähteistä Python, TensorFlow ja OpenCV. Testausta suoritettiin synteettisesti generoiduilla piirustuksilla.
Työn rakenne jaettiin kuuteen päälukuun, joissa rakenne eteni kehitysprosessin vaiheiden mukaisesti toiminnallisuuksiin ja tuloksiin saakka. Aluksi perehdyttiin aiheeseen taustan ja tavoitteiden kautta, minkä jälkeen käsiteltiin teknisen suunnittelun digitalisoitumista ja automaation suomia mahdollisuuksia. Teoriaosuudessa tuotiin ilmi koneoppimisen ja konvoluutioneuroverkkojen periaatteet, jotka tulevat käyttöön työn toiminnallisessa osuudessa. Toiminnallisuuden luvuissa avattiin työn sisältämää dataa ja koulutuksen yksityiskohtia. Lopuksi analysoitiin mallin suorituskykyä ja tarkasteltiin keskeiset havainnot.
Tuloksena työssä oli toimiva ja modulaarinen kokonaisuus, joka mahdollistaa uusien komponenttien lisäämisen mallin tietoon sekä valmiin alustan jatkokehitykselle, eli CAD-komentojen automaatiolle tai piirustusten dokumentaatiolle. Työn tarkoitus oli osoittaa, että koneoppimista voidaan hyödyntää vahvana menetelmänä tekniseen suunnitteluun liittyvien työvaiheiden tukena sekä osana automaatioputkea.