Object Recognition in Chemical Industry using Artificial Intelligence and Machine Vision

Simple item page
dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorKortelo, Jukka
dc.contributor.authorYawson, Efua
dc.contributor.schoolKemiantekniikan korkeakoulufi
dc.contributor.supervisorKontturi, Eero
dc.date.accessioned2024-07-30T08:13:28Z
dc.date.available2024-07-30T08:13:28Z
dc.date.issued2024-05-05
dc.description.abstractAutomation have had a big role in enhancing efficiency within the chemical industry, resulting in more efficient processes, and minimized raw material losses. The utilization of machine vision has emerged as a cornerstone application of automation. At its simplest, a machine vision system consists of an object, a camera, and software capable of processing images. Currently, there are various ready-to-use libraries available that contain algo-rithms for image processing and object recognition. The aim of the theoretical part of this thesis was to introduce state-of-the-art machine vision and machine learning libraries. The goal of the thesis was to answer questions regarding the current use of machine vision in the chemical industry and the capabilities of state-of-the-art machine vision and machine learning libraries. In the experimental part of the thesis, object recognition was performed using these machine vision and machine learning libraries integrated into a mobile device. The algorithm successfully interpreted all wood fibres in the image. However, it was noted that the algorithm also interpreted impurities in the image, i.e., the background, as objects. No pre-processing was performed on the analysed image to remove impurities. The process of object recognition could be further enhanced in the future by increasing the pre-processing of the image before analysis. The presented machine vision and machine learning libraries offered a wide range of algorithms for object recognition. The choice of the most suitable library depends on the objects to be recognized and the hardware being used.en
dc.description.abstractKemianteollisuuden automatisoinnin avulla on pystytty tehostamaan tuotantoprosesseja ja esimerkiksi vähentämään raaka-aineiden hävikkiä. Konenäön hyödyntäminen on yksi automatisoinnin kulmakiveksi noussut sovellus. Yksinkertaisimmillaan konenäkösysteemin muodostaa objekti, kamera ja ohjelmisto, joka pystyy käsittelemään objektista saatua kuvaa. Nykyisin tarjolla on erilaisia käyttövalmiita kirjastoja, jotka sisältävät algoritmeja kuvan käsittelyyn ja objektin tunnistamiseen. Tämä työn teoriaosassa tavoitteena oli esitellä nykyaikaisia konenäkö- ja koneoppimiskirjastoja. Työn tavoitteena oli vastata kysymyksiin mihin konenäköä käytetään tällä hetkellä kemianteollisuudessa ja mihin nykypäiväiset konenäkö- ja koneoppimiskirjastot pystyvät. Työn kokeellisessa osassa suoritettiin objektin tunnistaminen hyödyntäen näitä konenäkö- ja koneoppimiskirjastoja integroiden ne mobiililaitteeseen. Algoritmi onnistui tulkitsemaan kaikki puukuidut kuvasta. Kuitenkin huomattiin, että algoritmi tulkitsee kuvassa olevia epäpuhtauksia eli taustaa myös objektiksi. Analysoitavalle kuvalle ei tehty mitään alkukäsittelyjä epäpuhtauksien poistamiseksi. Objektin tunnistamisen prosessia voitaisiin jatkossa tehostaa lisäämällä kuvan alkukäsittelyä ennen analyysiä. Esitellyt konenäkö- ja koneoppi-miskirjastot tarjosivat laajan valikoiman erilaisia algoritmeja objektin tunnis-tamista varten. Soveltuvimman kirjaston valitseminen riippuu tunnistettavista objekteista sekä käytettävästä laitteistosta.fi
dc.format.extent28
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/129561
dc.identifier.urnURN:NBN:fi:aalto-202407305143
dc.language.isoenen
dc.programmeKemiantekniikan kandidaattiohjelmafi
dc.programme.majorKemian tekniikka ja prosessitfi
dc.programme.mcodeCHEM3050fi
dc.subject.keywordmachine visionen
dc.subject.keywordartificial intelligenceen
dc.subject.keywordobject recognitionen
dc.subject.keywordchemical industryen
dc.titleObject Recognition in Chemical Industry using Artificial Intelligence and Machine Visionen
dc.typeG1 Kandidaatintyöfi
dc.type.dcmitypetexten
dc.type.ontasotBachelor's thesisen
dc.type.ontasotKandidaatintyöfi
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Yawson_Efua_2024.pdf
Size:
2.66 MB
Format:
Adobe Portable Document Format
Download
Collections
[kand] Kemian tekniikan korkeakoulu / CHEM