Tekijä: Katja Hautoniemi
Konekuuntelu tai äänen analysointi täydentää konenäköä
Konenäkö tai kuvan koneellinen analysoiminen on monelle jo tuttua. Hiotun tuottamilla eri konenäön sovelluksilla esimerkiksi tarkkaillaan ja varmistetaan laatua valmistavassa teollisuudessa.
Ääntä voi analysoida ihan kuten kuvaakin, eikä se teknisesti itse asiassa paljoa eroa konenäöstä. Jos äänite on pitkä lista numeroita, muodostaa kuva kaksiulotteisena ja monikanavaisena elementtinä taulukon numeroita.
– Neuroverkkomielessä tai matemaattisen algoritmirakentamisen kannalta perusperiaate on äänen analysoimisessa sama kuin kuvankin analysoimisessa, joitain teknisiä yksityiskohtia lukuunottamatta, Hiotun neuroverkkoasiantuntija Jonne Tamminen kertoo.
Tällaisia ovat esimerkiksi ääninauhoituksessa useat samaan aikaan kuuluvat äänet. Ne saattavat aiheuttaa häiriöitä toistensa kanssa joskus voimistaen, joskus vaimentaen toisiaan. Se voi vaikeuttaa äänen tulkintaa ja erottelua.
Ääni eroaa kuvasta myös ajallisesti. Kuvassa aika on jähmettynyt tiettyyn hetkeen, kun taas ääni ja aika ovat hyvinkin liitoksissa toisiinsa.
– Tämä pitää ennemmin tai myöhemmin jollain tapaa ottaa huomioon ääntä analysoitaessa. Kuvassa sen sijaan sen voi useimmiten jättää huomioimatta, Jonne kertoo.
Sovelluksia puheentunnistuksesta teollisuuteen
Kaikkein tutuimpia konekuuntelun sovelluksia on puheentunnistus. Puhetta voidaan koneellisesti muuntaa tekstiksi tai siitä voidaan tunnistaa sellaisia puhujan ominaispiirteitä kuten ikä, sukupuoli tai murre. Puheesta on myös mahdollista erottaa tunteita.
Tekoälyn avulla voidaan myös tuottaa autenttisen kuuloista puhetta. Tällaista tekoälymallia hyödyntää esimerkiksi YouTube-kanava Presidents Play, jossa aidolta kuulostavat presidentit Barack Obama, Donald Trump ja Joe Biden pelaavat eri videopelejä yhdessä ja solvaavat “pelin” tuiskeessa toisiaan minkä ehtivät.
– Ääninäytteiden avulla tekoälymalli voi nykyään tuottaa kenen tahansa puheääntä. Ihan heti en keksi millä lailla sovellusta voisi hyödyntää teollisuudessa, ja herättäähän tämä myös keskustelua tekoälyn käytön eettisyydestä, Jonne pohtii.
Raskaamman sarjan sovelluksia löytyy teollisuuden parista, jossa ääntä analysoimalla voidaan löytää poikkeavuuksia esimerkiksi moottorin käyntiäänestä. Tällöin käynnissä olevan moottorin ääntä äänitetään ja nauhoitteesta pyritään löytämään epäsäännöllisyyksiä normaaliin käyntiääneen verrattuna, konenäköasiantuntija Peetu Rytkönen avaa.
– Jos vaikka kuusimäntäisen moottorin yksi mäntä ei laukea, syntyy erilainen ääni kuin silloin jos kaikki männät toimisivat normaalisti.
Teknisesti poikkeavuuksien löytäminen tapahtuu opettamalla neuroverkolle erilaisia käyntiäänimalleja. Käyntiäänet luokitellaan sen mukaan, onko äänitteessä kyseessä viallisen moottorin käyntiäänestä tai normaalista käyntiäänestä. Viallinen ääni luokitellaan vian mukaan.
– Sitten neuroverkon voi asettaa tarvittavaan tilaan kuuntelemaan ja päättelemään mikä moottorin tila kulloinkin on.
Laadunvarmistuksen apu
Yksi potentiaalisista käyttökohteista äänianalyysille onkin laadunvarmistuksessa. Usein moottoreita joudutaan koeajamaan tietty tuntimäärä ennen käyttöönottoa.
– Käyntiääntä seuraamalla voidaan esimerkiksi luopua sensoreiden käytöstä, joita muutoin joutuisi testitilanteessa upottamaan sinne tänne moottoria, Peetu sanoo. Se säästää työaikaa sekä kustannuksia.
Konenäköä ja -kuuntelua yhdistämällä voidaan myös saada synergiaetuja. Ääni yhdistettynä kuvaan antaa tarkempaa tietoa ympäristöstämme. Jos esimerkiksi kuvaa on jostain syystä vaikeaa tulkita, ääni saattaa auttaa tulkitsemaan sitä.
Monipuolisempi ja rikkaampi tulkinta ympäristöstä auttaa myös kehittämään parempia autonomisia järjestelmiä, jotka hyödyntävät äänen ja kuvan yhdistelmää päätöksenteossa ja toiminnan optimoimisessa. Tällaisia sovelluksia ovat esimerkiksi itseohjautuvat ajoneuvot.
Pohjolan Rakennusvalvonnan yhdessä Hiotun kanssa kehittämä Laatuketju varmistaa rakentamisen laatua
Pohjolan Rakennusvalvonta (PRV) tarjoaa rakentamisen valvontatehtäviin liittyviä palveluita rakennuttajille ja rakennusliikkeille sekä yksityishenkilöille. Palvelun keskiössä on PRV:n konseptoima ja Hiotun tuottama Laatuketjuksi kutsuttu digitaalinen toiminnanohjaustyökalu.
Tai oikeastaan meidän pitäisi puhua toiminta-alustasta, yhtiön toimitusjohtaja Vesa Hyrkäs kertoo. Laatuketjulla nimittäin varmistetaan PRV:n kaikki projektinhallinta, resursointi ja dokumentointi – tekijöitä, jotka vaikuttavat projektien jouhevaan sujumiseen.
Tärkeää on ollut myös varmistaa PRV:n tarjoaman palvelun laatu.
– Laatuketjun avulla asiakas voi kätevästi seurata projektin etenemistä ja kommentoida prosessia, Hyrkäs sanoo. – Kaikki projektin tiedot, dokumentit ja luvat säilyvät Laatuketjussa vielä projektin päätyttyäkin.
Tuloshakuinen kumppani hakusessa
Kun Laatuketjua ryhdyttiin rakentamaan, hankekumppania haettiin ensin tuttujen palveluntarjoajien parista.
– Kävimme alkuun keskusteluja sellaisten toimijoiden kanssa, joiden kanssa olen aiemmin kehittänyt vähän samankaltaisia tuotannonohjausjärjestelmiä, Hyrkäs kertoo. – Halusimme kuitenkin Pohjolan Rakennusvalvonnalle kumppaniksemme toimijan, joka ei olisi liian jäykkä tai kaavoihin kangistunut.
Ennen hankkeen aloittamista vertailtiin myös kustannuksia.
– Haimme tuloshakuisia tekijöitä, joiden kanssa olisi helppo tehdä tällaista kehittämishanketta, Hyrkäs sanoo. – Näin kumppaniksi valikoitui Hiottu.
Rakentavaa ja toimivaa yhteistoimintaa
Ensimmäinen vaihe hankkeesta on saatu päätökseen ja Laatuketju palvelee Pohjolan Rakennusvalvonnan asiakkaita. Toista vaihetta valmistellaan ja sille haetaan parhaillaan rahoitusta.
– Olemme vasta päässeet alkuun, Hyrkäs sanoo ja vertaa Laatuketjua rakennuksen kivijalkaan. – Tästä pitäisi alkaa rakentaa taloa kivijalan päälle.
Hyrkäksen mielestä yhteistyön pitää olla rakentavaa ja yhdessätekemisen alku on Hiotun kanssa ollut lupaavaa.
– Nythän olisi mahdollista katsoa toista kumppania, kun hankkeen kakkosvaihe alkaa. Mutta koska kokemuksemme Hiotusta olivat niin hyviä, nyt ei malta vaihtaa, Hyrkäs nauraa.
Hyvää kokemusta on pohjustanut muun muassa ennakkoon sovitut tiedonvälittämistavat.
– Olemme saaneet tarvittavat tiedot hankkeen etenemisestä, ja luonnollisesti Laatuketjuun ne toiminnot mitä olemme vaatineet. Ja kun kustannuksetkin ovat pysyneet suurin piirtein siinä mitä budjetointiin lähtötilanteessa, voin sanoa, että Hiottu on meille ollut se kaikista paras yhteistyökumppani.
Raute Kajaani ja Hiottu, konenäön kovat osaajat
Raute Kajaanilla ja Hiotulla on pitkä historia yhteistyöstä konenäön parissa. Nykyään yhdessä kehitetään muun muassa tekoälysovelluksia ja digitaalisia palveluja.
Raute Kajaani on viilu-, vaneri- ja lvl-teollisuuteen älykkäitä analysaattoreita valmistava konenäköyksikkö. Valikoimasta löytyy laaja valikoima tuotteita viilupohjaisten puulevytuotteiden analysointiin: väri- ja 3D-kameroita, kosteusmittareita ja tiheysmittareita.
– Meiltä löytyy ratkaisu lähes kaikkeen puuteollisuuden mittaustarpeeseen! Raute Kajaani on markkinajohtaja ja meillä on alan laajin valikoima, Raute Kajaanin johtaja Markus Sirviö kertoo.
Rauten ja Hiotun yhteinen taival ulottuu jo 20 vuoden taakse.
– Kaikki lähti siitä, kun lähdimme tekemään uuden sukupolven analysaattorijärjestelmää viiluteollisuuteen. Hiotun Kari Lapinlampi oli mukana sen kehityksessä järjestelmäarkkitehtina.
Puutuotteisiin liittyvien konenäköprojektien työstäminen ja kehittäminen on jatkunut siitä asti, ja nykyään Hiottu on osa Raute-konsernia.
Konenäkö – vai sittenkin koneaisti?
Konenäössä erityyppiset kameraratkaisut ja tietokoneohjelma tekevät yhteistyötä. Silti konenäkö on sanana Sirviön mielestä harhaanjohtava. Nykyään analysoidaan jopa äänen spektriä.
– Äänestä voidaan esimerkiksi tunnistaa, onko laitteeseen tulossa ongelmia, Sirviö sanoo.
Koneaisti kuvaa hänen mielestä terminä paremmin sitä, mistä asiassa on oikeastaan kyse. Eri mittauslaitteilla kerätään valtavat määrät tietoa, jota sitten analysoidaan. Datan analysoiminen onkin oikeastaan koko konenäön juju.
– Kone arvioi silmien edessä vilistävien viiluarkkien laatua sekunnissa. Sille on periaatteessa ihan sama, onko viilussa miljoona erilaista yksityiskohtaa, vai onko se puhdas ja tasainen. Ihminen ei pysty analysoimaan lähellekään kaikkea, mihin taas koneet pystyvät.
Konenäön vahvuus on se, että se on koko ajan tarkka ja ennustettava. Mutta kauneuden tunnistaminen on tähän mennessä ollut koneelle vaikeaa. Siinä ihminen on edelleen konetta etevämpi – ainakin vielä.
– Neuroverkkopohjaisena elukkana ihminen on siitä hyvä, että se pystyy luomaan kokonaiskuvan tosi nopeasti. Me näemme heti, onko viilu kaunista ja sopiiko se dekoratiiviseen käyttöön. Tekoälypohjaiselle neuroverkolle pitää ensin kertoa ja opettaa, mikä on kaunista.
– Tekoäly tulee pikku hiljaa ihan kaikkialle, myös konenäkösovelluksiin. Hiotun kanssa tutkimuksesta alkanut yhteinen tekoälyhankkeemme on pikkuhiljaa etenemässä maaliin.
Hiotulla poikkeuksellista hahmottamiskykyä
Sirviö kertoo Hiotun olevan on yksi Rauten yhteistyökumppaneista, joka tekee niin sanotusti konepellin alle asioita. Vaikka Rautella on vahvaa sovellusosaamista itsellään, Hiottua käytetään monesti hankkeissa apuna.
– Esimerkiksi kun pitäisi tutkia uutta, kuten uusia kameroita tai monikamerakuvantamista, teemme yhteistyötä Hiotun kanssa.
Yhteistyö on Sirviön mukaan aina ollut helppoa. Hiotulta saa aina hyvät esiselvitykset, jolloin tilaaja pääsee nopeasti valikoimaan eri tapoja edetä.
– Hiotun kyky hahmottaa asiat fiksusti ja niiden lohkominen ymmärrettäviksi palasiksi on poikkeuksellista. Oman kokemukseni perusteella voin suositella Hiottua myös aika rohkeissakin tilanteissa, jolloin itsellä ei ihan vielä ole selvyyttä siitä miten jokin asia pitäisi tehdä. Jollei Hiotulla ole antaa vastausta, niin sieltä kyllä ohjataan oikeaan paikkaan, kiitos heidän hyvin laajan yhteistyöverkoston tutkimusmaailmassa.
Sisäisillä koulutuksilla osaaminen jakoon – Toni opetti Jenkinsin salat työkavereilleen
Hiotulla on tapana, että kuukausipalavereissa jokainen uutta oppinut jakaa osaamisestaan muille. Toni Pennanen, tietojenkäsittelytieteiden opiskelija Oulun yliopistosta ja Hiotun koodariharjoittelija, perehtyi ohjelmistotestauksen automatisointiin ja opetti Jenkinsin salat työkavereilleen.
Kun Toni keväällä 2022 tuli Hiotulle harjoittelijaksi, ensimmäinen työ oli rakentaa testejä Hiotun webohjelmistoille.
– Aluksi tein muutamia yksikkötestejä, jonka jälkeen siirryin e2e-testaukseen, Toni kertoo.
Koska manuaalinen testaus on varsin työlästä ja aikaavievää, testaus automatisoitiin. Automatiikka tuo varmuutta, kun sillä saadaan varmasti kaikki määritelty testattua, eikä mitään olennaista jää epähuomiossa pois.
– Työkaluksi valikoitui Jenkins. Aina kun sovelluksen ominaisuuksiin tulee muutoksia eli koodia muokataan, Jenkins suorittaa testit automaattisesti. Automaattitestauksen avulla löydämme bugeja nopeammin ja saamme tuotettua laadukkaampaa koodia asiakkaillemme.
Hyödylliset sisäiset koulutukset
Sisäiset koulutukset ovat Tonin mielestä olleet hyödyllisiä, vaikka ne eivät aina olisikaan liittyneet omaan työnkuvaan.
– Aina sitä ei välttämättä tiedä mitä kaverit ovat tekemässä, Toni miettii. – Siksi onkin mielenkiintoista nähdä esityksistä, mitä muut ovat puuhanneet.
Työkaverin työhön tutustuminen tuo paitsi vaihtelua, myös uusia ideoita omaan tekemiseen.
– Olen saanut koulutuksista paljon mielenkiintoista ja uutta tietoa, josta en ole aiemmin tiennyt mitään.
Oma esitysvuoro koitti syksyllä. Jenkinsin saloihin on nyt vihitty koko Hiotun porukka.
– Pääsin kertomaan mihin olin viiden kuukauden aikana tutustunut. Kerroin miten Jenkins toimii ja mitä hyötyä meille on siitä. Siinä oli ainakin omasta mielestä mielenkiintoista asiaa myös muille.
Konedirektiivin dokumentaatio ei enää ole haaste – CE Manager ohjaa oikealle uralle
Insinööritoimisto 3D Hacklin Oy on tehnyt pitkään konsultointia konedirektiivin vaatimuksiin ja vaatimusten mukaiseen dokumentaatioon liittyen. Nyt yritys on kehittänyt Hiotun avulla ohjelmiston, CE Managerin, jolla sen asiakkaat saavat hoidettua konedirektiivin vaatiman dokumentaation digitaalisesti.
Toimitusjohtaja Pekka Hacklinin kokemuksen mukaan direktiivi on kyllä konevalmistajien parissa tuttu, mutta se miten sen kohdalla tulisi toimia on joskus epäselvää ja usein työlästä.
– Nyt lanseerattu ohjelmisto toimii työkaluna ja tehostaa toivottavasti konevalmistajien toimintaa vakioidessaan toimenpiteitä.
Ohjelmiston avulla se osaaminen ja ymmärrys dokumentaatiosta, mikä on yleensä jäänyt dokumentaatiohankkeiden jälkeen konsulttiyritykseen, on mahdollista siirtää suoraan asiakasyritykselle.
– Se kehittää valmistajien omaa asiantuntemusta ja osaamista, niin kuin pitääkin, Hacklin kehuu.
Luottamus rakentui somessa
Hacklin kertoo, että Hiottu ja etenkin sen toimitusjohtaja Satu Lapinlampi ovat hänelle tuttuja somesta. Omat ajatukset tuntuivat menevän monessa asiassa yksiin Sadun ajatusten kanssa. Se herätti luottamusta.
– Kun sitten kyselin Sadulta, että miltäs tämänlainen hanke heidän mielestä näyttäisi, Satu tarttui heti ideaan.
Hiotun omistajataho Raute vahvisti luottoa ja kertoi, että Hiotulla voisi olla kokemusta nimenomaan konerakennuksesta ja mekaniikkapuolen asioista.
– Siitä se yhteistyö sitten lähti. Olen itse Meri-Lapin alueelta ja koin, että meitä yhdisti myös pohjoissuomalaisuus. Toimintatavat olivat tuttuja ja meillä oli yhteinen tekemisen kulttuuri. Näitä ei tarvinnut alkaa rakentaa ensin, vaan saatoimme heti ryhtyä töihin.
Hacklinilla ei ole aiempaa kokemusta vastaavanlaisesta hankkeesta.
– Kyllä tämä oli minulla ihan uutta. Minähän olen yksinyrittäjä, olen aina ollut. Kun idea tuli ja sitä lähdettiin ELY-keskuksen avulla jalostamaan, tuoteaihion potentiaali kävi selväksi. Kaikki askeleet siitä eteenpäin olivat minulle ihan uutta.
Jouhevaa yhteistyötä
Hiotun ja insinööritoimiston yhteistyön sujuvuutta kuvaa se, että ohjelmisto on jo muutaman kuukauden päästä projektin aloittamisesta hyödynnettävissä. Kun tilaajan ja toimittajan välinen luottamus on ollut suurta jo alusta, on se projektin kuluessa vain kasvanut.
– Kaikki eteni viikkotasolla kuten pitikin, ja suunnitelmat ja työmääräarviot ovat pitäneet kutinsa. Eihän tässä voi olla kuin tyytyväinen, kun ollaan pysytty budjetissa ja aikataulussa, ja tuote on sopivalla lailla kypsä. Silloin siitä, mistä on sovittu, on pidetty kiinni.
Hacklin suosittelee Hiottua myös muihin vastaavanlaisiin hankkeisiin.
– Softahan ei ole koskaan valmis, sitä voisi aina parantaa. Tässä hankkeessa ohjelmiston perusperiaatteet selvisivät hyvin äkkiä. Sitten olikin tärkeä saada käyttäjäkokemusta kerättyä, jotta parannusehdotuksia voidaan ryhtyä hiomaan, Hacklin sanoo.
Ohjelmiston ensimmäinen versio tuotiin myyntiin lokakuussa. Tutustu CE Manageriin.
Koska Sharing is Caring: parhaat blogi- ja podcastvinkkimme
Olemme luvanneet olla asiakkaidemme luottokumppani digitalisaation eri vaiheissa. Jotta pystyisimme tarjoamaan mainostamaamme hiotun hyvää koodia, meidän pitää ylläpitää ja jatkuvasti kehittää konenäköön, web-ohjelmointiin ja teolliseen internetiin liittyvää osaamistamme.
Se tarkoittaa kursseja ja itsenäistä opiskelua esimerkiksi blogeja ja artikkeleita lukemalla. Podcastejakin meillä kuluu.
Emme kuitenkaan halua omia tietoa. Päätimmekin jakaa parhaimmat lähteemme myös teille – koska #sharingiscaring. Tsekkaa parhaimmat artikkelivinkkimme alla!
Oletko muuten kuullut awesome-listoista? Awesome-listat ovat johonkin tiettyyn teknologiaan tai tekniikkaan keskittyneitä kuratoituja listoja, joihin joku tai jotkut aktiiviset käyttäjät ovat keränneet kattavasti linkkejä ainakin periaatteessa omien käyttökokemustensa mukaan. Esimerkiksi, jos sinua kiinnostaa konenäkö, voit googlata ”computer vision awesome” ja löytäisit tälle sivulle: https://github.com/jbhuang0604/awesome-computer-vision. Tuon takana onkin enemmän linkkejä kuin insinööri ehtii vuodessa lukea!
Microsoftin ajankohtaisiin uudistuksiin ja uutisiin voit tutustua MS-devaajien blogissa
Artikkeleita kaikesta mielenkiintoisesta
Kotimainen Microsoftiin keskittynyt Ikkunastudio-podcast
Kaikkea konenäöstä – täällä saa hyvän kuvan siitä, mistä konenäössä on kyse!
Konenäkö auttaa kehittämään valmistusprosessia ja parantaa laatua – Pihlalla kaikki valmiit tuotteet kuvataan
Hiottu on rakentanut ikkuna- ja ovivalmistaja Pihla Group Oy:lle valmiiden tuotteiden kuvausjärjestelmän, jonka ansiosta yhtiössä on voitu kehittää valmistusprosessia. Pidemmällä tähtäimellä järjestelmä auttaa myös laadunvarmistuksessa.
Kuten kaikilla organisaatioilla, kaikki tuotteet eivät tehtaalta lähtiessään valitettavasti ole virheettömiä, Pihlan technical manager Mika Pystylä kertoo. – Hyvän palautteen ohella – jota toimintamme onneksi useimmiten saa osakseen – saamme asiakkailta joskus myös reklamaatioita.
Pihlalle on ollut tärkeää ymmärtää, syntyvätkö esimerkiksi kolhut tehtaalla vai kenties kuljetuksen aikana, vaiko jossain myöhemmässä vaiheessa toimitus-ja asennusketjua. Vaikka taloudelliset aspektit ovat liiketoiminnassa aina tärkeitä, kuvaushankkeessa vielä tärkeämpää oli oman valmistusprosessin kriittinen arviointi.
– Jo nyt olemme pystyneet määrittelemään ne kohdat prosessissa, joissa virheitä syntyy. Se on pakottanut miettimään omaa tekemistä. On selvää, että pystymme tätä kautta parantamaan prosesseja.
Jatkossa järjestelmästä on tarkoitus kehittää enemmän oppiva. Tulevaisuudessa virhe voitaisiin todentaa jo kokoonpanolinjalla, eikä vasta asiakkaan reklamaation kautta. Virheellinen tuote ei koskaan pääsisi asiakkaalle asti.
– Se on tietenkin tavoitteemme.
Puu materiaalina opettavaista
Konenäön mahdollisuuksia on Pihlalla tutkittu jo aiemminkin etenkin alkutuotannon osavalmistuksessa. Haasteeksi on muodostunut osavalmistuksen pääasiallinen materiaali – puu. Se on elävää ja esimerkiksi syykuviot yksilöllisiä, eikä hankkeissa olla päästy toivotusti etenemään.
– Puu on niin monimuotoista, että siitä on vaikea nähdä, koska se on oikeanlaista. Tämä kuvaushanke onkin monessa mielessä oppi- ja pilottimatka, eikä kaikkia askelia aina oteta eteenpäin.
Hiottuun Pihlalla ollaan oltu tyytyväisiä.
– Kaikki haasteet on tähän mennessä ratkottu. Olemme päässeet etenemään nopeasti ja aina olemme löytäneet jonkun vaihtoehtoisen menetelmä, jos aiempi on osoittautunut vääräksi. Suurin kompastuskivi hankkeen etenemisessä on ollut maailmanlaajuinen komponenttipula ja pitkät toimitusajat. Muutoin olisimme jo varmasti paljon pidemmällä!
Kuvaushankkeesta kerätään nyt kokemuksia ja ehkä alkutuotannonkin kohdalla voidaan jossain vaiheessa palata konenäkösovelluksiin.
– Voin suositella Hiottua vastaavanlaisiin projekteihin!
Silmä väsyy, konenäkö ei – Hiotun konenäköratkaisut auttavat laadunvalvonnassa
Olemme Hiotussa erikoistuneet teollisuuden konenäköratkaisuihin. Mutta mitä konenäkö tarkoittaa ja mitä se pitää sisällään? Kysyimme konenäköasiantuntijoilta Peetu Rytköseltä ja Kari Lapinlammelta mistä oikein on kyse.
Peetu tiivistää konenäön kamerapohjaisiksi ratkaisuiksi, joilla vastataan asiakkaan erilaisiin ongelmiin tai tarpeisiin.
Tietyt asiat ovat mahdollisia ainoastaan konenäköä käyttäen. Spektrikameroilla saadaan kuvattua ihmissilmää laajempaa värierottelua. Näin voidaan esimerkiksi tunnistaa kosteutta, tai jopa sitä, onko kohde homehtumassa. Muilla kuvantamismenetelmillä kuten röntgenillä ja läpivalaisulla voidaan tunnistaa vierasesineitä elintarviketeollisuudessa.
– Jos nuudelipaketin matkaan on mennyt pieni kivi, sen voi konenäön avulla huomata, Kari kertoo.
Mitä hyötyä konenäöstä on?
Konenäköä voi käyttää moneen. Erityisen kätevä se on laaduntarkkailussa ja -varmistamisessa, sillä se tuo katsomiseen tarkkuutta. Silmän ominaisuudet vaihtelevat katsojien välillä ihan kuten sekin, miten asiat kullekin katsojalle näyttäytyvät. Yhden silmissä vika on jo virhe, kun toinen ei edes sitä huomaa.
– Konenäöllä katse saadaan vakioitua, Kari toteaa.
Lisäksi silmä väsyy. Tutkimusten mukaan ihmisen fokus herpaantuu jo 30 minuutissa, miehillä paljon aikaisemmin kuin naisilla. Etenkin pienten kohteiden tarkkailu voi olla puuduttavaa, jos ne edes ovat nähtävissä ilman luuppia.
– Konenäöllä pystytään systemaattisesti mittaamaan myös pieniä kohteita, Kari kertoo. – Pienimmät Hiotun asiakkaalleen mittaamat partikkelit ovat vain sadasosan hiuksen vahvuudesta.
Konenäköratkaisulla voidaan siis parantaa laatua ja tehostaa toimintaa. Prosessit nopeutuvat, kun kone hoitaa suuren määrän mittauksia automaattisesti ja manuaalisista työvaiheista päästään. Työntekijätkin pääsevät työläistä rutiinihommista haastavampiin tehtäviin.
Missä konenäköä voi käyttää?
Konenäköratkaisuja voi hyödyntää laadunvalvonnassa monella eri tapaa. Peetu kertoo esimerkkinä eräästä asiakkaastamme, joka dokumentoi valmistamansa tuotteet kuvaamalla ne mahdollisia reklamaatiotilanteita varten.
– Jos tuotteen ostanut asiakas huomaa siinä virheen, tehtaalla nähdään heti, onko tuote ollut viallinen jo valmistusvaiheessa, vai onko mahdollinen vika syntynyt myöhemmin esimerkiksi kuljetuksessa tai asennuksessa.
Dokumentoinnin lisäksi konenäköä voi hyödyntää prosessiohjauksessa. Takaisinkytkennän avulla prosessin parametrejä voidaan esimerkiksi säätää automaattisesti. Mittarit näyttäisivät olevan iso, kasvava trendi konenäköalalla.
– Jos samalla yhtiöllä vaikkapa on useampi tuotantolaitos, joissa valmistetaan samoja tuotteita, konenäön avulla voidaan rakentaa mittareita, joilla tehtaiden tuotannon laatua ja suorituskykyäpystyy vertailemaan keskenään, Kari kertoo.
Mitä konenäköratkaisu pitää sisällään?
Kaikki lähtee kamerasta, sen optiikasta ja valaistuksesta, Peetu kertoo. Ilman kuvaa ei ole myöskään konenäköä.
– Laitteiston lisäksi tarvitaan ohjelmisto. Kuvamateriaalia voidaan myös lähettää pilveen tallennettavaksi tai analysoitavaksi erilaisilla bisnesohjelmistoilla, Peetu kertoo.
Moni ajattelee, että siinä onkin sitten kaikki, kamera ja tietokone yhdessä. Konenäkö avautuu monelle vielä valitettavan suppeana.
– Konenäön avulla on mahdollista kerätä suuret määrät tietoa, joita voi yhdistellä uusilla tavoilla, Kari tähdentää.
Tietojen yhdistäminen luo uusia mahdollisuuksia kehittää ja tehostaa toimintaa. Nykyään on tavallista, että yhden kameran lisäksi sovelluksessa käytetään myös muita anturityyppejä.
– Puhumme niin sanotusta sensorifuusiosta, Kari kertoo. – Esimerkiksi värikamera voi tunnistaa pintavikoja, mikroaaltomittaus tunnistaa kohteen kosteuden ja äänenkulkuaikamittari antaa tietoa kohteen vahvuudesta.