Similarity measure based classification

Luokittelujärjestelmää suunniteltaessa tarkoituksena on rakentaa systeemi, joka pystyy ratkaisemaan mahdollisimman tarkasti tutkittavan ongelma-alueen. Hahmontunnistuksessa tunnistusjärjestelmän ydin on luokitin. Luokittelun sovellusaluekenttä on varsin laaja. Luokitinta tarvitaan mm. hahmontunnistusjärjestelmissä, joista kuvankäsittely toimii hyvänä esimerkkinä. Myös lääketieteen parissa tarkkaa luokittelua tarvitaan paljon. Esimerkiksi potilaan oireiden diagnosointiin tarvitaan luokitin, joka pystyy mittaustuloksista päättelemään mahdollisimman tarkasti, onko potilaalla kyseinen oire vai ei. Väitöskirjassa on tehty similaarisuusmittoihin perustuva luokitin ja sen toimintaa on tarkasteltu mm. lääketieteen paristatulevilla data-aineistoilla, joissa luokittelutehtävänä on tunnistaa potilaan oireen laatu. Väitöskirjassa esitetyn luokittimen etuna on sen yksinkertainen rakenne, josta johtuen se on helppo tehdä sekä ymmärtää. Toinen etu on luokittimentarkkuus. Luokitin saadaan luokittelemaan useita eri ongelmia hyvin tarkasti. Tämä on tärkeää varsinkin lääketieteen parissa, missä jo pieni tarkkuuden parannus luokittelutuloksessa on erittäin tärkeää. Väitöskirjassa ontutkittu useita eri mittoja, joilla voidaan mitata samankaltaisuutta. Mitoille löytyy myös useita parametreja, joille voidaan etsiä juuri kyseiseen luokitteluongelmaan sopivat arvot. Tämä parametrien optimointi ongelma-alueeseen sopivaksi voidaan suorittaa mm. evoluutionääri- algoritmeja käyttäen. Kyseisessä työssä tähän on käytetty geneettistä algoritmia ja differentiaali-evoluutioalgoritmia. Luokittimen etuna on sen joustavuus. Ongelma-alueelle on helppo vaihtaa similaarisuusmitta, jos kyseinen mitta ei ole sopiva tutkittavaan ongelma-alueeseen. Myös eri mittojen parametrien optimointi voi parantaa tuloksia huomattavasti. Kun käytetään eri esikäsittelymenetelmiä ennen luokittelua, tuloksia pystytään parantamaan.

Jauhatuspiirin ilmakierron optimointi

Luokittuminen erilaisine mekanismeineen aiheuttaa yleisesti ongelmia, kun on kysymyksessä kiintoaineen väliaikainenkin varastointi siilossa. Sitä voidaan vähentää kiintoaineiden, prosessin ja laitesuunnittelun muutoksilla. Tässä työssä tutkittiin mahdollisuuksia vähentää ilmeniitin luokittumista sen jauhatuspiirin ilmakiertoa optimoimalla. Suljetun kuivajauhatuspiirin keskeisimmäksi laitteeksi voitaisiin ajatella siinä oleva luokitin, joka voi olla esim. sykloni. Tässä piirissä tapahtuva kiintoaineen liikkuminen voidaan saada aikaiseksi esim. pneumaattisella kuljetuksella. Ilmeniitin jauhatus tapahtuu suljetussa kuivajauhatuspiirissä, jonka ajavana voimana on siinä oleva ilmakierto. Piirin oleellisia laitteita ovat kuulamylly, luokitin, erotussykloni ja pölykaappi sekä kiertoilma- ja poistoilmapuhaltimet. Ilmakierron optimointia varten suoritettiin kahden vastaavan jauhatuspiirin ainetasemääritykset. Lisäksi määritettiin yhden isomman piirin perustila. Jauhatuspiirien ainetasemäärityksissä määritettiin niiden massa- ja ilmavirrat sekä kiertokuorma ja luokittimen erotusterävyys, kuten myös ilmeniitin hiukkaskokojakaumat. Perustilamittauksissa määritettiin ainoastaan piirin ilmavirrat ja ilmeniitin hiukkaskokojakaumat. Optimointimittauksissa pienennettiin pikkumyllypiirin ilmamäärät vastaamaan kutakuinkin vastaavan toisen piirin määriä. Tällä yritettiin selvittää näiden toisiaan vastaavien piirien ilmamäärien ja varsinkin kiertokuormien eroavuutta. Tämä ilmamäärien pienentäminen ei tuottanut mainittavampaa muutosta piirin ainetaseisiin, joten voitaneen todeta, että piirin ilmamääriä pienentämällä saadaan aikaiseksi säästöjä, lähinnä kiertoilmapuhaltimen tehon alennuksen kautta.

Energiankäytön kartoitus Lappeenrannan sementtitehtaalla.

Diplomityön tavoitteena oli kartoittaa Finnsementti Oy:n Lappeenrannan sementtitehtaan energiankäyttöä ja etsiä potentiaalisia energiansäästökohteita. Diplomityö liittyy Kauppa- ja teollisuusministeriön ja Teollisuuden ja Työnantajain Keskusliiton väliseen teollisuuden energiankäytön tehostamiseen tähtäävään puitesopimukseen, johon Finnsementti Oy on liittynyt. Diplomityön teoriaosassa tutustutaan sementin kemiaan raaka-aineista valmiisiin tuotteisiin. Lisäksi kartoitetaan sementtiteollisuuden energiansäästömahdollisuuksia laite-hankintojen ja prosessin optimointinnin kannalta. Työssä tutustutaan sementin-valmistuksessa käytettäviin laitteistoihin ja selvitetään niiden teknistä kehitystä ja energiaasäästäviä ratkaisuja. Kokeellinen osuus alkaa yksityiskohtaisella kuvauksella Lappeenrannan sementtitehtaan valmistusprosessista. Kokeellisessa osassa tutustutaan tehtaan energiankulutukseen sähkön ja polttoaineen muodossa. Lisäksi käsitellään paineilmaa ja vettä. Sähkön osalta kokeellinen osa sisältää sähkönkulutuksen historian ja sähkönjakeluverkon selvityksen lisäksi tehtaalla käytössä olevien luokittimien tehokkuustarkasteluita sähkönkulutuksen kannalta. Polttoaineen osalta diplomityö sisältää sementtiuunien energiataseiden mittaukset ja tulosten laskemisen sekä Excel-pohjaisen menetelmän kehittämisen energiataseiden laskemiseksi tulevaisuudessa. Paineilman ja veden osalta selvitetään niiden kulutusta tehtaalla ja lasketaan paineilmalle teoreettinen ominaissähkönkulutus. Luokittimien tehokkuustarkastelujen osalta havaittiin raakamyllyn luokittimen erottelu-terävyyden olevan huono verrattuna nykyaikaisiin korkeatehokkuusluokittimiin. Sementtimyllyjen luokittimien toiminnasta ei havaittu merkittäviä ongelmia. Energia-taseiden tuloksina havaittiin Lappeenrannan sementtitehtaan sementtiuunien edustavan vanhentunutta sementinvalmistustekniikkaa. Molempien uunien savukaasukanavien vuotoilmojen määrien havaittiin olevan suuret. Energiataloutta pystyttäisiin parantamaan mm. uusilla polttimilla, jolloin lämmittämättömän ensiöilman osuutta saataisiin pienentymään ja polttoaineen polttoa tehostumaan. Paineilman suhteen havaittiin kuumailman paineenalennuksen aiheuttavan turhia energiahäviöitä.

Learning Grasp Affordances from Vision

Monimutkaisissa ja muuttuvissa ympäristöissä työskentelevät robotit tarvitsevat kykyä manipuloida ja tarttua esineisiin. Tämä työ tutkii robottitarttumisen ja robottitartuntapis-teiden koneoppimisen aiempaa tutkimusta ja nykytilaa. Nykyaikaiset menetelmät käydään läpi, ja Le:n koneoppimiseen pohjautuva luokitin toteutetaan, koska se tarjoaa parhaan onnistumisprosentin tutkituista menetelmistä ja on muokattavissa sopivaksi käytettävissä olevalle robotille. Toteutettu menetelmä käyttää intensititeettikuvaan ja syvyyskuvaan po-hjautuvia ominaisuuksi luokitellakseen potentiaaliset tartuntapisteet. Tämän toteutuksen tulokset esitellään.

Statistical segmentation methods and color variance analysis of retinal images

In this research, the effectiveness of Naive Bayes and Gaussian Mixture Models classifiers on segmenting exudates in retinal images is studied and the results are evaluated with metrics commonly used in medical imaging. Also, a color variation analysis of retinal images is carried out to find how effectively can retinal images be segmented using only the color information of the pixels.