Tutkijoiden kehittämä konenäköteknologia voi pian tehdä älypuhelimestasi äärimmäisen tarkan kameran。Tietojenkasittelytieteen tohtorikoulutettavatMikko.Toivonen晶澳张拉贾尼ovat yhdessa apulaisprofessoriArto Klaminkanssakehittäneet.spexel.ai-projektissaKonenäköalgoritmeja，Joiden Avulla Puhelimella OteTusta Valokuvasta Saa Eroteltua KuvanVäritHyvin Tarkasti。
TarkkaVärinmääritysVoiauttaa esimerkiksi sisustussuunnittelijoita Tai Malien KanssaTyöskenteleviä。spexel.ai:nmenetelmällähavoisivatttotakhohteestaKuvan Ja Saada Sovelluksen Kautta Tiedon KohteenTarkastaVärisävystä。menetelmävoisiauttaamyösesimerkiksi verkko-ostostentekijää，joka etsii juuri tibesnsävyistätootetta。
Spexel.ai:n TekniikkaPerustuuälypuhelimeen，SiihenLiitettäväänLisälaitteeseenSekäSovellukseen，JokaTekeeVärinmäärityStyönPilvipalVelussaKonenäköalgoritmienAvulla。
- Värinmittaukseen on olemassa muitakin laitteita, mutta niissä pitää olla hyvin lähellä mitattavaa kohdetta。Meidän ratkaisussamme kohteen väriarvon voi määrittää kauempaakin, ja sitä voi käyttää myös esimerkiksi kattojen kuvaamiseen, kertoo Chang Rajani。
Hyperspektrikuva paljastaa enemman
Spexel.ai:n的VärinmääritysCootekehityksenEnsimmäinenAskel。SenJälkeenMahdollista的Samalla TekniikallaeDetäyösäärimmäisenTarkkaanHyperspektrikuvantamiseen。SiinäLisälaittenKauttaOtettuKuvaKäsitelläääääääääääääääääääääänkonenäköalgoritmienavulla hyperspektrikuvaksi。Tekniikka Siis MeneePidemmälleKuinVärinmäärityksessä。
Hyperspektrikuva eroaa tavallisesta valokuvasta siten，ettäsepaljastaakuvauskohteestasellaista，Mitäpaljassilmäeienäe。Kyse EiOleLäpivalaisustaVaanSiitä，EttäHaperspektrikuvaTulkitsee Valon Aallonpituuksia Tarkemmin Kuin Tavallinen Kuva。
- NormaaliValokuvaKäyttääKolmeaVärikanavaa，库滕普纳斯塔，SinistäJAVihreää。Hiherspektrikameran Kuvissa Valon Aallonpituus在Jaettu Hienojakoisemmin，JAVärikanaviaonkin Sata，Kertoo Klami。
- PelkälläKolmivärikamerallaei pysty Erottamaan EsimerkiksiLehtivihreänSpektriä。Hyperspektrikuvan avulla luonnosta ottetusta kuvastanäkeewelmmin ne Kohdat，JoissaNäkyyLehtivihreää，EliMissä在Kasveja，Toivonen Kertoo。
Juttu Jatkuu VideonJälkeen
PaljonKäyttökohteita，Laitteet Kalliita
Hyperspektrikuvantamisen tekniikkaa käytetään jo esimerkiksi maaston kaukokartoituksessa ja maatalouden satolaskennoissa。Hyperspektrikuvan perustella voi myös tunnistaa esimerkiksi taide- tai lääkeväärennöksiä。
Hyperspektrikuvantamisella on paljon käyttökohteita myös teolisuuden laadunvalvonnassa, mutta kuluttajien saataville menetelmää ei ole vielä juuri tutu。
- Meidän visiomme on tuoda hyperspektrikuvantaminen kuluttajien ulottuville。Värinmääritys on tässä luonteva aloituspise, sillä se on tekniikaltaan yksinkertaisempi toteuttaa, sanoo Spexel。人工智能:n kaupallistamisen asiantuntija城镇Kurri。
Olemassa olevat hyperspektrikuvantamista tekevät laitteet ovat usein kalliita erikoislaitteita, sillä niissä hyperspektrikuva syntyy alusta loppuun kuvauslaitteessa。Tutkijoiden versiossa kuva syntyy lisälaitteen läpi otetusta tavallisesta kännykkäkuvasta, ja raskas osuus eli hyperspektrikuvan muodostaminen tapahtuu pilvipalvelussa。
- PuhelimenLisälaiteon Halpa JaKäyPeriaatteessaMihinTahansaälypuhelimeen。Kuluttaja ei tarvitseerillistälaitetta，克拉里斯·桑杜。
Parhaillaan Spexel。艾诚:n kehittäjät selvittävät potential - alisten asiakkaiden tarpeita ja jatkavat tuotekehitystä sekä neuvotteluja sijoittajien kanssa。Keksinnön kaupallistaminen on aloitettu, ja sille on haettu专利。Patenttihakemuksesta on myös tehty kansainvälinen patenttitutkimus, joka selvittää patentin myöntämisen edellytyksiä kansainvälisesti。Tutkijoiden tavoite on, että lisälaite ja sovellus ovat kuluttajien saatavilla 2021。
Spexel。艾文:n sovelluksen ja lisälaitteen avulla värinmääritys on helppoa。Menetelmä tarjoaa tarkat väritiedot myös ammattilaisille。
Arto Klami，Mikko Toivonen Ja Chang Rajani。Kuva：苏珊海科肯
Tutustu spexel.ai-projektin verkkosivuihin
Lisatiedot:
- 城镇Kurri, Kaupallistamisen asiantuntija,ville.kurri@helsinki.fi., puh。0503435751
- Arto Klami.:arto.klami@helsinki.fi, puh。0505823654
- Mikko Toivonen:mikko.e.toivonen@helsinki.fi, puh。0443303131
- 张拉贾尼:chang.rajani@helsinki.fi., puh。0503115791
Juttu on julkaistu alun perin 29.10.2019, ja sitä täydennetty 23.10.2020。