Underground City Oy

Projektin tavoitteena oli kokeilla koneoppimisen tuomia mahdollisuuksi viemäristöjen kuntotarkastuksessa manuaalisen työn vähentämiseksi. 

Projektissa toteutettiin koneoppimismalli, joka luokittelee viemäriputken kunnon hyväksi tai huonoksi siitä otetun Zoom-videon perusteella. Mallin käyttämiseksi kehitettiin demosovellus.  

Projektin Suvituuli-vaihe oli ensimmäinen tutustuminen asetettuun ongelmaan. Sen vuoksi projektisuunnitelmassa tehtiin tarkka rajaus tavoitteista ja määriteltiin mahdollisimman suopeat vaatimukset algoritmille. Tuloksena syntynyt malli ei pyri olemaan valmis lopputuote, mutta sen antamat tulokset ovat erinomaiset. On syytä huomata, että lähtökohtaista ongelmaa on yksinkertaistettu todellisuudessa tarkemmasta (neliportaisesta) luokittelusta ja varsinainen käytännön hyöty saavutetaan vasta mahdollisten jatkoprojektien myötä. 

Koneoppimismallin opetusaineistona käytettiin Riihimäen alueella suoritettujen kuvauksien videoita. Malli on konvoluutioneuroverkko, jonka käyttöliittymänä toimii sitä varten kehitetty sovellus. Sovelluksella voidaan helposti analysoida videoita ja tarkastella algoritmin tuottamia tuloksia. Esikatselunäkymän avulla asiantuntija voi määrittää tulosten oikeellisuuden.

Suvituuli-vaiheen lopputuloksena syntyi yksinkertaiseen binääriluokitteluun kykenevä algoritmi ja sen ympärille rakennettu demosovellus.

Salama-vaihe

Projektia jatkettiin Salama-vaiheeseen, jossa tavoitteena oli toteuttaa käytännöllinen tapa automatisoida videoilla esiintyvien vikojen luokittelu ja niiden vakavuuden sekä korjaustoimien kiireellisyyden määrittely. Kuten ensimmäisessä projektissa, syötteenä käytetään viemäriputkesta zoom-tekniikalla kuvattuja videoita. Luokittelua varten koottiin yrityksen tarpeita vastaava lista mahdollisista vioista. Tavoitteena oli, että kun uusia videoita tallennetaan järjestelmään, ne käydään automaattisesti läpi ja niihin liittyvät luokittelut ja määrittelyt raportoidaan asiantuntijan tarkistettavaksi. 

Algoritmin tekemän luokittelun tarkoitus on auttaa varsinaisen kuntoarvioinnin tekemisessä. Lopullinen arviointi jää edelleen asiantuntijan suoritettavaksi. Algoritmin tekemän luokittelun jälkeen asiantuntijalla tulisi olla kohtuullisen luotettava yleiskatsaus esimerkiksi tietyllä alueella tehtyjen kuvauksien tuloksista. Tältä pohjalta jatkotoimenpiteistä päättäminen tulisi nopeammaksi. 

Onnistunut projekti antaisi lisäksi hyvän pohjan jatkokehitykseen, jonka myötä yhä parempi automatisointi ja/tai tarkempi koneanalyysi voisi olla mahdollista. Projekti toimii myös suuntaviittana vastaavan tekniikan hyödyntämiselle viemäriverkostojen tulevaisuuden kuntotarkistusmenetelmille. Projektissa luotava algoritmi ja mahdollinen käyttöliittymä tulevat olemaan itsenäisesti toimivia ratkaisuja. Mahdollinen integrointi tilaajan olemassa olevaan järjestelmään jää yritykselle itselleen. Integrointi pyritään kuitenkin ottamaan huomioon projektin aikana. 

Projektin tuloksena syntyy luokittelualgoritmi, jonka syöte on videotiedosto ja tuotoksena saadaan raportti kyseisellä videolla esiintyvän viemäriputkiosuuden mahdollisista vioista sekä määrittelyt vikojen vakavuudesta ja korjaustoimenpiteiden kiireellisyydestä. Algoritmin käyttöliittymä tarkentuu projektin edetessä.