Tekoäly laajentaa konenäön mahdollisuuksia tilanteissa, joissa perinteiset menetelmät eivät yksin riitä. Olennaista on tunnistaa, milloin siitä syntyy todellista lisäarvoa – ja mitä AI-boostatulla konenäöllä voidaan silloin ratkaista.
Perinteinen konenäkö on vahvimmillaan tehtävissä, joissa etsittävä asia voidaan määritellä tarkasti. Järjestelmä voi esimerkiksi mitata kappaleen mittoja, tarkistaa osan sijainnin tai tunnistaa ennalta määritellyn poikkeaman. Kun tiedetään, mitä kuvasta etsitään ja millä perusteella havainto tehdään, tehtävä voidaan usein ratkaista laskennallisesti ilman tekoälyä.
Kaikki tarkastettavat kohteet eivät kuitenkaan ole näin yksiselitteisiä. Tuotteiden ulkonäössä voi olla luonnollista vaihtelua, materiaalien pinnat ja tekstuurit voivat poiketa toisistaan ja myös virheet voivat esiintyä monessa eri muodossa. Tällöin kaikkien hyväksyttävien ja virheellisten vaihtoehtojen määritteleminen etukäteen sääntöjen avulla voi muuttua vaikeaksi.
Juuri tällaisissa tehtävissä tekoäly voi tuoda konenäköön lisäarvoa. Sen sijaan, että järjestelmälle määriteltäisiin yksitellen kaikki mahdolliset tilanteet, sitä voidaan opettaa kuvamateriaalin avulla tunnistamaan tarkasteltavan kohteen ominaisuuksia ja vaihtelua. Tekoäly voi auttaa esimerkiksi luokittelemaan kohteita tai tunnistamaan visuaalisia poikkeamia, joiden kuvaaminen yksiselitteisillä säännöillä olisi hankalaa.
Kaikkia virheitä ei tarvitse tuntea ennalta
Tekoälyn mahdollisuudet korostuvat myös tilanteissa, joissa kaikkia mahdollisia virheitä ei tunneta ennalta. Järjestelmälle voidaan opettaa, miltä normaali ja hyväksyttävä kohde näyttää, jolloin se voi tunnistaa tästä poikkeavia ominaisuuksia.
Tällainen lähestymistapa voi olla hyödyllinen esimerkiksi pintojen ja materiaalien tarkastuksessa. Järjestelmälle ei tällöin tarvitse välttämättä määritellä etukäteen jokaista mahdollista virhetyyppiä, vaan tarkastelun lähtökohtana on poikkeama opitusta normaalista. Tekoäly ei silti korvaa konenäön perinteisiä menetelmiä. Usein tarkoituksenmukaisin ratkaisu voi syntyä juuri eri menetelmien yhdistelmästä.
Santa Margaritan vaneriteollisuuteen kehittämä VeneerProfiler on tästä yksi esimerkki. Järjestelmä valvoo viilun virheettömyyttä ja tunnistaa virheitä seuraamalla pinnan profiilia ja muita piirteitä. Ratkaisussa yhdistyvät perinteinen mittaava konenäkö ja tekoäly. Molemmat menetelmät parantavat lopputulosta omalta osaltaan.
Vastaavaa ajattelua hyödynnetään SapWood-kääntäjäkamerassa, joka määrittää laudan suunnan useiden rinnakkaisten menetelmien avulla. Tekoälyä käytetään niissä prosessin osissa, joissa se tuo kokonaisuuteen lisäarvoa. Kyse ei siis välttämättä ole valinnasta tekoälyn ja perinteisen konenäön välillä, vaan siitä, mikä menetelmä sopii parhaiten mihinkin tehtävään.
Tekoäly mukaan siellä, missä se tuo lisäarvoa
AI-boostatussa konenäössä olennaista ei ole korvata olemassa olevia menetelmiä tekoälyllä. Tekoäly tuo konenäön työkalupakkiin lisää mahdollisuuksia erityisesti silloin, kun kuvasta saatavan tiedon tulkinta on liian monimutkaista yksiselitteisten sääntöjen avulla.
Tekoälyn hyödyntäminen tuo mukanaan myös omat vaatimuksensa. Järjestelmän opettamiseen tarvitaan tarkoitukseen soveltuvaa kuvamateriaalia, ja opetetun järjestelmän toimintaa on seurattava myös käyttöönoton jälkeen. Siksi tekoälyn tuomaa hyötyä kannattaa tarkastella suhteessa siihen, mitä ratkaisulla halutaan saavuttaa ja mitä sen rakentaminen ja ylläpito edellyttävät.
Ratkaiseva kysymys on sama kuin konenäössä muutenkin: mitä kuvasta halutaan saada selville ja mihin saatua tietoa käytetään?
Jos tehtävä voidaan ratkaista luotettavasti yksinkertaisemmilla menetelmillä, tekoäly ei välttämättä tuo kokonaisuuteen lisäarvoa. Jos taas kohteiden vaihtelu, vaikeasti määriteltävät ominaisuudet tai ennakoimattomat poikkeamat tekevät sääntöpohjaisesta ratkaisusta liian jäykän tai monimutkaisen, tekoäly voi laajentaa sitä, mitä konenäöllä voidaan tehdä.
AI-boostattu konenäkö ei siis tarkoita mahdollisimman paljon tekoälyä. Parhaimmillaan tekoäly otetaan käyttöön juuri siinä kohdassa, jossa sen avulla voidaan ratkaista tuotannon haaste paremmin.
→ Voisiko tekoäly tuoda lisäarvoa yrityksesi konenäköön?
Kysy lisää Santa Margaritan asiantuntijoilta.
