Konenäkö​

Konenäkö on edistynyt huimasti viimeisen kymmenen vuoden aikana. Tyypillisimpiä hyödyntämiskohteita ovat automaattinen kohteiden tunnistus, tapahtumien tunnistaminen, prosessien ohjaaminen sekä navigointi. Suunnittelemme ja toteutamme räätälöidyt konenäköä hyödyntävät ratkaisut avaimet käteen periaatteella.

Mitä on konenäkö?

Konenäkö pyrkii automatisoimaan tehtäviä, jotka perustuvat näkemiseen. Järjestelmä rakentuu kamerasta ja tietokoneesta, joka analysoi kuvia tai videokuvaa. Konenäön avulla pyritään sekä näkemään että ymmärtämään näkymää. Järjestelmä auttaa tunnistamaan esineitä, ihmisiä tai toimintaa. Tunnistamisessa käytetään apuna tekoälyä ja koneoppimista, joiden avulla järjestelmä voidaan opettaa tunnistamaan haluttuja asioita kuvasta.

Mitä hyötyä konenäöllä saadaan?

Vielä joitakin vuosia sitten konenäöllä saavutetut hyödyt olivat marginaalisia. Teknologia on kuitenkin  edistynyt huimasti viimeisen kymmenen vuoden aikana. Tähän on vaikuttanut erityisesti koneoppimismenetelmien nopea kehitys. Tyypillisimpiä hyödyntämiskohteita ovat automaattinen kohteiden tunnistus, tapahtumien tunnistaminen, prosessien ohjaaminen sekä navigointi.

tehokkuus

Tehokkuus

Konenäkö pystyy havainnoimaan useita ominaisuuksia samanaikaisesti ja tekemään nopeita päätöksiä havaintojen perusteella.

laatu

Parempi laatu

Kone on ihmistä tarkempi ja nopeampi havaitsemaan laatupoikkeamia. Laatua voidaan valvoa ympäri vuorokauden.

Kustannushyödyt

Työn automatisointi tuo merkittäviä säästöjä kustannuksissa ja tehostaa toimintaa. Konenäkö avustaa ihmisiä tehtävissä ja vapauttaa aikaa muihin tärkeämpiin tehtäviin.

asiakastyytyväisyys

Asiakastyytyväisyys

Laatupoikkeamat havaitaan varmemmin. Tasaisempi laatu parantaa asiakastyytyväisyyttä ja yrityksen imagoa.

Empirican palvelut

konsultointi

Konsultointi ja suunnittelu

Yhdistämällä fyysisen ja digitaalisen maailman luot lisäarvoa yrityksellesi. Me Empiricalla autamme löytämään kuhunkin tapaukseen parhaiten sopivat ratkaisut.

Järjestelmäkehitys ja laitehankinnat

Kehitämme konenäköä hyödyntäviä ratkaisuja asiakkaan tarpeiden mukaisesti. Kauttamme saat myös kaikki tarvittavat laitteet.

IoT ylläpito

Ylläpito- ja tukipalvelut

Olemme asiakkaidemme käytössä myös käyttöönoton jälkeen. Huolehdimme toimittamiemme palveluiden toimivuudesta ja autamme käyttäjiä mahdollisissa ongelmatilanteissa.

Case: Kustaankartano

Empirican kehittämä konenäkösovellus valvoo muistisairaiden ulkoilua. Sovellus on koekäytössä Helsingin kaupungin palvelukeskuksessa Kustaankartanossa.

 

Kehitystyön tarkoituksena oli testata Empirican hahmontunnistukseen kehitettyä ratkaisua ja algoritmeja sekä opettaa niitä tunnistamaan mahdolliset kaatumiset tai alueelta poistumiset. Järjestelmä tunnistaa ulkona tapahtuvat kaatumiset ja tekee niistä hälytyksen henkilökunnalle.

Teknologiat

NVIDIA logo

NVIDIA on tunnettu suorituskykyisistä grafiikkasuorittimistaan. Tehokkaiden reunalaskennan laitteiden ansiosta saavutetaan pienempi latenssi ja laskentaa voidaan suorittaa huonommillakin verkkoyhteyksillä.

Intel logo

Intel tarjoaa alan laajimman valikoiman laitteita tekoälyn hyödyntämiseen aina kameroista reunalaskennan laitteisiin. Hyödynnämme kehityksessä laajalti Intelin laitteita ja teknologioita kuten RealSense ja Up Squared.

azure

Azure tarjoaa useita palveluita ja rajapintoja, jotka nopeuttavat älykkäiden sovellusten kehittämistä. Hyödynnämme konenäkösovelluksissa erityisesti Azuren Cognitive Services palveluita, jotka on kehitetty esimerkiksi kasvojen tunnistukseen sekä kuvien ja videoiden analysointiin.

opencv-logo

OpenCV on alun perin Intelin kehittämä avoimen lähdekoodin kirjasto, joka tarjoaa yhtenäisen infrastruktuurin konenäön sovelluksille ja nopeuttaa konenäön hyödyntämistä kaupallisissa tuotteissa.

pytorch

Pytorch on toinen machine learning sovellusten kehittämiseen käyttämämme avoimen lähdekoodin kirjasto. PyTorch mahdollistaa nopean ja ketterän kehityksen ja tehokkaan tuotannon.

tensorflow

Kolmas käyttämämme open source kirjasto on Googlen kehittämä TensorFlow, joka soveltuu erityisesti neuroverkkomallien opettamiseen ja hyödyntämiseen.