Konenäkösovelluksia on yksinkertaisissa muodoissa ollut jo vuosikymmeniä käytössä. Kuitenkin vasta 2010-luvulla syvät neuroverkot räjäyttivät potin ja tietokoneiden kyky tunnistaa kuvia saavutti ihmistason.
Konenäkö nostaa prosessien automaattisen valvonnan aivan toiselle tasolle. Koneoppimisen avulla järjestelmät voivat kopioida kokeneenkin ihmisen intuition esimerkiksi laadun tarkkailussa. Järjestelmällisesti mitattu laatu taas mahdollistaa prosessin tarkan optimoinnin ja nopean reagoinnin poikkeamiin.
Luokittelu
Luokittelu oli ensimmäinen sovellus missä syviä neuroverkkoja onnistuneesti käytettiin. Nimensä mukaisesti luokittelussa leimataan kuva kuuluvaksi johonkin tiettyyn luokkaan. Esimerkiksi oheisen kuvan sieni luokitellaan isohaperoksi.
Kuvaluokittelussa neuroverkko hakee luokalle tyypillisiä värejä, reunoja sekä syvemmillä kerroksilla tekstuureita ja yhteinäisiä muotoja.
Teollisessa käytössä luokittelu on usein esikäsittelyvaihe, jossa tarkastetaan onko kuvaa syytä käsitellä tarkemmin. Esimerkiksi onko hihnalla riittävästi haketta.
Hahmontunnistus
Hahmontunnistuksessa (eng. object detection) haetaan kuvasta alue, josta haluttu kohde löytyy. Esimerkkinä oheisen kuvan perämoottorista on tunnistettu potkuri ja mitattu sen pinta-ala kokonaiskuvasta
Hahmontunnistusta voidaan hyödyntää erityisesti käsiteltäessä suuria kuvamassoja ja vaikka päätettäessä, mikäli tietty kuva on tallentamisen tai jatkokäsittelyn arvoinen.
Segmentointi
Alueellinen segmentointi, tai hienommin semanttinen segmentointi, on teollisen kuva-analyysin käytännöllisin työkalu.
Semantteisessa segmentoinnissa jokainen kuvan piste määritetään kuuluvaksi johonkin kategoriaan. Näin voidaan mitata kuinka monta prosenttia kuvassa näkyvästä alueesta on taustaa, hyvälaatuista tuotetta tai viallista tuotetta.
Kokeile oheisen kuvan sliderilla, miten raakapuusta voidaan erottaa paljas puun pinta tai pinta, missä on vielä kuorta jäljellä.
Tämä alueellinen segementointi mahdollistaa lukuisten etenkin tuotannon seurantaan ja optimointiin tarkoitettujen sovellusten kehittämisen.
Mikäli kiinnostuit, käy katsomassa esimerkkisovelluksia tai yhteystiedot jos haluat keskustella lisää.