Konenäön käyttökokeilu
Matinlassi, Roope-Verneri (2025-04-22)
R.-V. Matinlassi
22.04.2025
© 2025 Roope-Verneri Matinlassi. Ellei toisin mainita, uudelleenkäyttö on sallittu Creative Commons Attribution 4.0 International (CC-BY 4.0) -lisenssillä (https://creativecommons.org/licenses/by/4.0/). Uudelleenkäyttö on sallittua edellyttäen, että lähde mainitaan asianmukaisesti ja mahdolliset muutokset merkitään. Sellaisten osien käyttö tai jäljentäminen, jotka eivät ole tekijän tai tekijöiden omaisuutta, saattaa edellyttää lupaa suoraan asianomaisilta oikeudenhaltijoilta.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202504222793
https://urn.fi/URN:NBN:fi:oulu-202504222793
Tiivistelmä
Tässä kandidaatintyössä tutustutaan konenäön perusteisiin ja suoritetaan konenäön käyttökokeilu käyttäen TwinCAT 3 -ohjelmistoa. Työn tavoitteena on perehtyä siihen, miten konenäköjärjestelmä tunnistaa värejä ja kuinka digitaalinen kuva muodostuu sekä käsitellään ja muunnetaan konenäköjärjestelmän ymmärtämän muotoon.
Kirjallisuuskatsausosiossa käsitellään konenäön teoriaa kuten kuvakennotekniikoita, pikseleitä, histogrammin käyttöä ja kynnysarvomenetelmän käyttöä binäärikuvan muodostukseen. Lisäksi tutustutaan, miten valaistus ja resoluutio vaikuttavat kuvan laatuun. Värien muodostusta ja tunnistusta lähestytään RGB-väriavaruuden ja Bayer-matriisin näkökulmista, joiden avuilla saadaan värikuvat muodostettua konenäköjärjestelmään.
Käyttökokeilussa konfiguroidaan TwinCAT -ohjelmisto siten, että se kykenee tunnistamaan erivärisiä kappaleita. Kokeessa hyödynnetään TwinCAT Vision -lisäosaa, joka mahdollistaa reaaliaikaisen kuvan käsittelyn ja värien tunnistamisen. Kokeen tavoitteena on arvioida ohjelmiston suorituskykyä värintunnistuksessa.
Työn tulokset osoittavat, että TwinCAT soveltuu värintunnistukseen, mutta optimaalinen toiminta vaatii hyvän valaistuksen ja kynnysarvojen säätöä.
Kirjallisuuskatsausosiossa käsitellään konenäön teoriaa kuten kuvakennotekniikoita, pikseleitä, histogrammin käyttöä ja kynnysarvomenetelmän käyttöä binäärikuvan muodostukseen. Lisäksi tutustutaan, miten valaistus ja resoluutio vaikuttavat kuvan laatuun. Värien muodostusta ja tunnistusta lähestytään RGB-väriavaruuden ja Bayer-matriisin näkökulmista, joiden avuilla saadaan värikuvat muodostettua konenäköjärjestelmään.
Käyttökokeilussa konfiguroidaan TwinCAT -ohjelmisto siten, että se kykenee tunnistamaan erivärisiä kappaleita. Kokeessa hyödynnetään TwinCAT Vision -lisäosaa, joka mahdollistaa reaaliaikaisen kuvan käsittelyn ja värien tunnistamisen. Kokeen tavoitteena on arvioida ohjelmiston suorituskykyä värintunnistuksessa.
Työn tulokset osoittavat, että TwinCAT soveltuu värintunnistukseen, mutta optimaalinen toiminta vaatii hyvän valaistuksen ja kynnysarvojen säätöä.
Kokoelmat
- Avoin saatavuus [37694]
Ellei muuten mainita, aineiston lisenssi on https://creativecommons.org/licenses/by/4.0/