Avoimen lähdekoodin oppiva konenäköjärjestelmä teollisuuskäytössä
Jaakkola, Matti (2022)
Jaakkola, Matti
2022
Konetekniikan DI-ohjelma - Master's Programme in Mechanical Engineering
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2022-11-23
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202211148356
https://urn.fi/URN:NBN:fi:tuni-202211148356
Tiivistelmä
Tämä tutkimustyö on suoritettu ABB Oy:lle, sen Smart Power -yksikölle. ABB Smart Power valmistaa erilaisia sähkön tuotannossa, jakelussa ja käyttämisessä tarvittavia tuotteita. Työn tavoitteena oli tutkia avoimen lähdekoodin oppivan konenäköjärjestelmän soveltuvuutta teolli-suuden käyttöön. Neuroverkot ja niiden konenäkösovellukset ovat kehittyneet viime vuosina merkittävästi. Kaupallisia neuroverkkoihin perustuvia konenäköratkaisuja on saatavilla, mutta myös avoimen lähdekoodin neuroverkkosovelluksissa on omat mahdollisuutensa. Tätä mah-dollisuutta haluttiin tutkia tässä työssä.
Työn teoriaosuudessa tutustuttiin konenäön, neuroverkkojen ja avoimen lähdekoodin teori-oihin, tutkimuksiin sekä esimerkkisovelluksiin. Neuroverkkoja on tutkimusten mukaan hyödyn-netty erilaisiin kohteiden tunnistamisiin ja luokitteluihin sekä poikkeamien etsimiseen. Interne-tistä on saatavilla esimerkkisovelluksia kaikista näistä sovelluksista.
Työn käytännön osuudessa tuotannosta kartoitettiin kaksi käyttökohdetta haastattelujen ja kyselyiden avulla. Käyttökohteiksi valikoituivat tuotepakkauksen sisällön tarkistus -sovellus ja laaduntarkastussovellus. Näille käyttökohteille suoritettiin Proof-of-Concept-testit. Ensimmäi-sessä PoC-testissä, tuotepakkauksen sisällön tarkistuksessa, tutkittiin kahden eri neurover-kon soveltuvuutta. Molemmat käytetyt neuroverkot kykenevät tunnistamaan pakkaukseen kuu-luvat komponentit luotettavasti, tunnistusvarmuuksien ollessa erinomaisia.
Toisessa PoC-testissä tutkittiin neuroverkkojen soveltuvuutta laaduntarkastuskäyttöön. Tavoitteena oli löytää neuroverkko, joka kykenee tunnistamaan minkä tahansa tuotteessa esiintyvän kosmeettisen virheen tai puutteen. Tässäkin testissä käytettiin kahta eri neuroverk-koa. Toinen osoittautui tavoiteltuun käyttöön soveltumattomaksi, mutta toinen toimi juuri halu-tulla tavalla. Käytetyn neuroverkon tunnistusvarmuus oli hyvä, ja se kykeni löytämään yhtä lu-kuun ottamatta kaikki virheet.
Proof-of-Concept-testeillä osoitettiin avoimen lähdekoodin konenäköjärjestelmän toimivuus ja jatkokehitysmahdollisuudet. Tutkimuksen perusteella voidaan todeta, että avoimen lähde-koodin oppiville konenäköjärjestelmille voidaan löytää sovelluksia teollisesta tuotannosta. Jat-kokehitystä kuitenkin tarvitaan ennen kuin tässä tutkimuksessa käytetyt neuroverkot soveltu-vat tuotantokäyttöön.
Avainsanat: Neuroverkot, konenäkö, koneoppiminen, tunnistaminen, laaduntarkastus
Työn teoriaosuudessa tutustuttiin konenäön, neuroverkkojen ja avoimen lähdekoodin teori-oihin, tutkimuksiin sekä esimerkkisovelluksiin. Neuroverkkoja on tutkimusten mukaan hyödyn-netty erilaisiin kohteiden tunnistamisiin ja luokitteluihin sekä poikkeamien etsimiseen. Interne-tistä on saatavilla esimerkkisovelluksia kaikista näistä sovelluksista.
Työn käytännön osuudessa tuotannosta kartoitettiin kaksi käyttökohdetta haastattelujen ja kyselyiden avulla. Käyttökohteiksi valikoituivat tuotepakkauksen sisällön tarkistus -sovellus ja laaduntarkastussovellus. Näille käyttökohteille suoritettiin Proof-of-Concept-testit. Ensimmäi-sessä PoC-testissä, tuotepakkauksen sisällön tarkistuksessa, tutkittiin kahden eri neurover-kon soveltuvuutta. Molemmat käytetyt neuroverkot kykenevät tunnistamaan pakkaukseen kuu-luvat komponentit luotettavasti, tunnistusvarmuuksien ollessa erinomaisia.
Toisessa PoC-testissä tutkittiin neuroverkkojen soveltuvuutta laaduntarkastuskäyttöön. Tavoitteena oli löytää neuroverkko, joka kykenee tunnistamaan minkä tahansa tuotteessa esiintyvän kosmeettisen virheen tai puutteen. Tässäkin testissä käytettiin kahta eri neuroverk-koa. Toinen osoittautui tavoiteltuun käyttöön soveltumattomaksi, mutta toinen toimi juuri halu-tulla tavalla. Käytetyn neuroverkon tunnistusvarmuus oli hyvä, ja se kykeni löytämään yhtä lu-kuun ottamatta kaikki virheet.
Proof-of-Concept-testeillä osoitettiin avoimen lähdekoodin konenäköjärjestelmän toimivuus ja jatkokehitysmahdollisuudet. Tutkimuksen perusteella voidaan todeta, että avoimen lähde-koodin oppiville konenäköjärjestelmille voidaan löytää sovelluksia teollisesta tuotannosta. Jat-kokehitystä kuitenkin tarvitaan ennen kuin tässä tutkimuksessa käytetyt neuroverkot soveltu-vat tuotantokäyttöön.
Avainsanat: Neuroverkot, konenäkö, koneoppiminen, tunnistaminen, laaduntarkastus