Projectoverzicht
Dit project is uitgevoerd als onderdeel van mijn minor in Computer Vision en Data Science aan NHL-Stenden, in samenwerking met ZIUZ Visual Inspections. Het richtte zich op het ontwikkelen van geautomatiseerde systemen met behulp van computervisie segmentatiemodellen om verontreinigingen in IV zakken te detecteren.
Gebruikte Technologieën
- Python
- TensorFlow
- U-Net
- Mask R-CNN
Uitdagingen
Het project ging belangrijke uitdagingen aan, waaronder het omgaan met klasse-onevenwichtigheden in de dataset en de detectie van variërende deeltjesgroottes en het onderscheid maken tussen verontreinigingen en inherente artefacten zoals luchtbellen en krassen op de zak.
Oplossingen
Afzonderlijke evaluaties van U-Net en Mask R-CNN modellen werden uitgevoerd om te bepalen welke beter zou presteren onder de specifieke beperkingen van deeltjesgrootte variatie en beeldkwaliteit. Elk model werd op maat gemaakt met specifieke verbeteringen om deze uitdagingen aan te pakken.
Resultaten
De evaluatie toonde aan dat Mask R-CNN de beste resultaten leverde met een Jaccard-index van 0.418.
