Selvitys 2D-kameroiden käytettävyydestä tuotteen validoinnissa

Abstract

Tämän opinnäytetyön tavoitteena oli selvittää 2D-kameroiden käytettävyyttä tuotteen validoinnissa. Työssä perehdyttiin 2D-kameroiden käyttämiseen konenäkösovelluksissa hyödyntäen kuluttajatason laitteistoa. Ohjelmistokehityksessä hyödynnettiin generatiivista tekoälyä koodin tuottamisessa ja ongelmanratkaisussa. Työn tietoperustassa määriteltiin 2D-konenäköjärjestelmän perusteet, järjestelmän osat, haasteet sekä esiteltiin ohjelmistokehityksessä käytetyt Python-kirjastot, kuten OpenCV ja YOLO. Opinnäytetyön toiminnallisessa vaiheessa kehitettiin ohjelmisto, jonka suorituskykyä testattiin paristoilla ja 3D-tulostetuilla testikappaleilla. Työssä testattiin erilaisia menetelmiä, kuten kappaleiden mittaamista, syväoppimiseen perustuvaa tunnistusta ja lisättyä todellisuutta hyödyntävää 3D-mallin vertailua. Tuloksena saatiin testaamisen kautta ymmärrystä 2D-konenäköjärjestelmän rajoitteista ja mahdollisuuksista tuotteiden validoinnissa. Testit osoittivat, että syväoppimista hyödyntävä kappaleiden tunnistus ja luokittelu toimivat luotettavasti. Mittatarkkuudessa havaittiin kuitenkin puutteita, ja näiden korjaaminen vaatisi tarkempaa kalibrointia. Työ osoittaa, että tällainen järjestelmä soveltuu parhaiten kustannustehokkaaksi ratkaisuksi logistiikan ja laadunvarmistuksen tunnistustehtäviin, joissa ei vaadita millimetritason mittatarkkuutta.