ScratchAI: En mobilapplikation för identifiering av fordonsskador med maskininlärning
Ladda ner
Publicerad
Författare
Typ
Examensarbete på kandidatnivå
Program
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Inspektioner av fordon för identifiering av skador utförs många gånger manuellt och
skrivs ner på ett pappersformulär som sedan överförs till en dator för att sparas.
Denna process är tidsdödande och innehåller många manuella steg, men det finns
något som de flesta människor har idag som skulle kunna underlätta och effektivisera arbetet. En mobiltelefon kan genom en applikation identifiera och dokumentera skador på ett effektivt sätt. Mobiltelefonen kan utföra detta arbete genom bilder tagna med dess kamera och ett neuralt nätverk för identifiering av skadorna. Syftet
med detta arbete är att undersöka hur neurala nätverk kan användas för att underlätta arbetet inom detta område.
Frågeställningen blir således:
Hur kan vi genomföra identifiering av fordonsskador med en smartphone som använder
maskininlärning för bildanalys?
Tillvägagångssättet i detta arbete var att välja två modeller för identifiering av skador. En klientbaserad modell, lätt nog att köras direkt på en mobiltelefon, samt en
tyngre serverbaserad modell. En mängd data på skadade och intakta fordonsdörrar
samlades in och användes i en rad experiment för träning av modellerna.
Det teoretiska bidraget i arbetet är att man med relativt lite träningstid och datamängd kan uppnå goda resultat vid identifiering av skador. Det praktiska bidraget
i arbetet är en mobilapplikation som klarar att identifiera skador med både sin klientoch serverbaserade modell.
Beskrivning
Ämne/nyckelord
Maskininlärning, Neurala nätverk, Fordonsdiagnostik, Mask R-CNN, MobileNet, Android