Konenäkö paljastaa kypsät hedelmät sekä lääkeväärennökset

Tutkijat kehittävät tekoälyalgoritmiin perustuvaa sovellusta, joka toimii tavallisessa älypuhelimessa ja tuo äärimmäisen tarkan hyperspektrikuvantamisen edullisesti kenen tahansa ulottuville.

Milloin tämä avokado on sopivan kypsä guacamolea varten? Onko kaukomatkalla ostamani lääke aito vai väärennös? Kuinka suuri omenasadosta on tulossa?

Muun muassa tällaiset kysymykset on pian helppo selvittää, kun tutkijoiden kehittämä konenäköteknologia tulee edullisesti kuluttajien saataville. 

Tietojenkäsittelytieteen tohtorikoulutettavat Mikko Toivonen ja Chang Rajani ovat yhdessä apulaisprofessori Arto Klamin kanssa kehittäneet spexel.ai-projektissa konenäköalgoritmeja, joiden avulla puhelimella otetusta valokuvasta saa muokattua äärimmäisen tarkan hyperspektrikuvan. 

Heidän ratkaisussaan hyperspektrikuvien ottaminen vaatii vain kännykkäkameran ja siihen liitettävän lisälaitteen. Konenäköalgoritmit muuntavat kuvan tavallisesta hyperspektrikuvaksi pilvipalvelussa.

Hyperspektrikuva paljastaa enemmän

Hyperspektrikuva eroaa tavallisesta valokuvasta siten, että se paljastaa kuvauskohteesta sellaista, mitä paljas silmä ei näe. Kyse ei ole läpivalaisusta vaan siitä, että hyperspektrikuva tulkitsee valon aallonpituuksia tarkemmin kuin tavallinen kuva.

– Normaali valokuva käyttää kolmea värikanavaa, kuten punaista, sinistä ja vihreää. Hyperspektrikameran kuvissa valon aallonpituus on jaettu hienojakoisemmin, ja värikanavia onkin sata, kertoo Klami.

– Pelkällä kolmivärikameralla ei pysty erottamaan esimerkiksi lehtivihreän spektriä. Hyperspektrikuvan avulla luonnosta otetusta kuvasta näkee helpommin ne kohdat, joissa näkyy lehtivihreää, eli missä on kasveja, Toivonen kertoo.

Hyperspektrikuva avokadoista ja diagrammi

Yllä on hyperspektrikuvasta luotu RGB-kuva avokadoista ja alla avokadojen pinnasta kuvatut spektrit. Värikoodatuilla neliöillä on merkitty alueet, joista avokadojen spektrit on kuvattu. Oikeanpuolimmainen avokado on selvästi muita vihreämpi, mikä näkyy alemmassa kuvassa sinisen spektrikäyrän piikkinä noin 550 nm kohdalla. Tämä piikki kertoo, että oikeanpuolimmainen avokado on todennäköisesti muita raaempi.

Paljon käyttökohteita, laitteet kalliita

Hyperspektrikameroita on ollut olemassa jo vuosia, ja kuvien käyttökohteita on paljon. Tekniikkaa käytetään esimerkiksi maaston kaukokartoituksessa ja maatalouden satolaskennoissa. Hyperspektrikuvan perustella voi myös tunnistaa esimerkiksi taide- tai lääkeväärennöksiä.

– Lääkeväärennökset ovat ongelma etenkin kehittyvissä maissa. Mobiilin spektrikuvantamislaitteen avulla apteekki tai kuluttaja voisi kuvata lääkkeen ja tarkistaa, onko pilleri lääketehtaan toimittaman referenssispektrin mukainen, Klami kertoo.

Olemassa olevat laitteet ovat kuitenkin vielä erikoislaitteita, joiden hinta alkaa tuhansista euroista. Helsingin yliopiston tutkijoiden esittämä edullisempi tekniikka voisi tuoda menetelmän tavallisen kuluttajan käyttöön.

Aiempien laitteiden kallis hinta johtuu myös siitä, että niissä hyperspektrikuva syntyy alusta loppuun kuvauslaitteessa. Tutkijoiden versiossa kuva syntyy lisälaitteen läpi otetusta tavallisesta kännykkäkuvasta, ja raskas osuus eli hyperspektrikuvan muodostaminen tapahtuu pilvipalvelussa konenäköalgoritmien avulla.

– Puhelimen lisälaite on halpa ja käy periaatteessa mihin tahansa älypuhelimeen. Kuluttaja ei tarvitse erillistä laitetta, Klami sanoo.

Juttu jatkuu videon jälkeen.

Taking hyperspectral images with your smartphone

 

Tähtäimessä kuluttajamarkkinat 2021

Idea kuluttajamarkkinoiden spektrikuvista alkoi syntyä pari vuotta sitten, kun Toivonen ja Rajani kehittivät hypespektrikuvantamisen konenäköalgoritmeja osana tohtoriopintojaan.

– Huomasin, että myös kuvan luomisen voisi antaa algoritmien tehtäväksi sen sijaan, että kuvan ottava laite tekisi tämän raskaan työn, Toivonen kertoo.

Havainnon syntymisessä auttoi hänen oma pitkäaikainen valokuvausharrastuksensa. Myös älypuhelimen lisälaitteen prototyypit ovat syntyneet miehen omalla 3d-tulostimella.

Keksinnön kaupallistaminen on aloitettu, ja sille on haettu patenttia. Ensi vuonna alkaa sijoittajien etsiminen. Tutkijoiden tavoite on, että vuonna 2021 kotitulostinta ei enää tarvita, vaan lisälaitteen ja sovelluksen kehitystä pyörittää spin out -yritys.

hyperspektri arto klami mikko toivonen chang rajani

Arto Klami, Mikko Toivonen ja Chang Rajani. Kuva: Susan Heikkinen

Slush & Unicorner 2019: SPEXEL.AI

 

Tutustu spexel.ai-projektin verkkosivuihin

Lisätiedot: