Hyperspectral imaging based glass surface contamination level analysis with neural networks
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2022-08-22
Department
Major/Subject
Oskar Adrian Adolf Tainio
Mcode
SCI3060
Degree programme
Master’s Programme in Life Science Technologies
Language
en
Pages
78+1
Series
Abstract
Glass surfaces are common architectural choices for both exterior and interior designs. For example, panels formed of glass can be placed on top of tables to improve interior aesthetics. Reception rooms are common to many public business environments, and glass topped tables can be used to conduct business between staff and customers. Contamination can be brought upon such surfaces via fingermarks. It is of great importance to clean contaminated surfaces, especially in environment of active use, in order to maintain elevated hygienic levels. Such acts keep disease from spreading and thus can even deter future pandemics. This thesis advances the concept of assisting cleaning with active monitoring in a practical manner. A novel non-contact hyperspectral imaging system is used to locate cleaning targets from dental clinic reception desk glass surface. high-dimensional samples are processed with image alignment and principal component analysis. Multi-layer perceptron cascades are designed and optimized for surface object acquisition and distinguishing between clean and dirty glass surface areas. Hyperspectral imaging system is used to monitor glass surface for multiple days with real-world conditions. Ambient lighting effect on obtained dirtiness values is analyzed via parabolic adjustment. Successful capturing of hyperspectral imaging led to the formation of multiple datasets. Optimized machine learning classifiers have on average good initial level performance regarding preliminary tests and practical monitoring. Monitoring results suggest that external illumination sources have an effect on obtained practical classifier cascade performance. Continuous evolution of dirtiness levels across multiple days are observed. Successful post-processing of ambient lighting is conducted on monitored dirtiness levels.Lasipintojen hyödyntäminen on yleistä arkkitehtoonisista ratkaisuissa ja sisustussuunnittelussa. Sisätilojen estetiikan parantamiseksi voidaan asettaa lasipaneeleja esimerkiksi pöytien päälle. Vastaanottohuone on yleinen huonetyyppi monissa liikevaihtotiloissa, ja siten henkilökunta sekä asiakkaat voivat asioida keskenään lasitettujen pöytäpintojen ääressä. Lasipinta voi tahriintua sormeillessa. Tästä johtuen pintojen putsaamiseen ja pyyhintään on käytettävä aikaa hyvän hygieniatason ylläpitämiseksi. Tautien leviäminen voidaan tällöin estää, jolloin estetään pandemioiden alkamiset tulevaisuudessa. Tämä teesi käytännöllistää puhtausolojen ylläpidon avustamista konseptina aktiivisen monitoroinnin avulla. Uutta hyperspektrikuvantamiseen perustuvaa etäkuvantamissysteemiä hyödynnetään puhdistamiskohteiden etsinnässä hammaslääkäriklinikan vastaanottohuoneen pöydän lasipinnalta. Korkeadimensioiset näytteet kohdistetaan keskenään, minkä jälkeen datan dimensionalisuutta redusoidaan pääkomponenttianalyysillä. Hyperspektridatassa olevia kohteita varten suunnitellaan monikerroksisista perseptroniverkoista koostuvia kaskadeja, jotka havaitsevat kuvista lasipintoja sekä puhtaita että likaisia alueita. Kuvantamissysteemillä monitoroidaan lasipintaa usean päivän ajan realistisissa olosuhteissa. Taustavaloefektiä lasketuissa pinnan likaisuusarvoissa analysoidaan toisen asteen yhtälön sovituksella. Hyperspektrikuvien onnistunut ottaminen johti useiden datajoukkojen muodostumiseen. Käytössä olleilla optimoiduilla koneoppimiskaskadeilla on keskimäärin hyvä ensitason suorituskyky sekä esitesteissä että monitoroinnissa. Monitoroinnista saatujen tulosten puolesta erinäisillä taustavaloilla on vaikutusta saataviin likaisuusarvoihin. Likaisuustasojen jatkuvaa evoluutiota usean päivän ajan seurattiin. Taustavalon jälkiprosessointi monitoroiduista likaisuusarvoista suoritettiin onnistuneesti.Description
Supervisor
Saramäki, JariThesis advisor
Koivisto, JuhaKeywords
glass, hyperspectral, cleaning, machine, learning, contamination