Projekt sai alguse ootamatult, kui meie õppejõud Ago Rootsi küsis koridoris, kas pakuks huvi ühele ettevõttele masinat leiutada. Otsiti lahendust kudumismasinate defektide tuvastamiseks ja see kõlas meile, tudengitele, põneva väljakutsena. Koos minuga olid tiimis Gregor Kokk, Ott-Kaarel Vään, Ago Rootsi, Kädi Veeroja ja Taavi Kase.

Esimene katsumus oli rahastuse leidmine. EIS-ist jäi rahastus napilt saamata ja projekt olekski võinud seal lõppeda, kuid mõni kuu hiljem kuulsime AIRE programmist. Kuna meie algne plaan oli kasutada kaameraid ja masinnägemist, otsustasime enda projekti välja otsida, ühe korra uuesti proovida ja ÕNNESTUSKI!

Töö jagunes suures pildis kolme etappi. Esimese sammuna pidime selgeks tegema, mida meie lahendus tehases tegelikult tuvastama peab. Lihtne on öelda, et peab leidma „vigu“, aga kuidas seletada kaamerapildi abil arvutile, mis on viga ja mis mitte? Selleks ehitasime koolis väikese kudumismasina mudeli, mis võimaldas testida kaameraid, katsetada erinevaid valgusolusid ja teha kiiresti parandusi. Mudeli peal töötamine andis meile võimaluse katsetamiseks ja lahenduste leidmiseks, ilma et peaks tervet tootmisliini seiskama.

Kui algne arhitektuur oli paigas, viisime oma lahenduse tehasesse ja kinnitasime kaamerad päris kudumismasina külge. Meie eesmärk oli võimalikult varakult koguda pilte samast keskkonnast, kus süsteem lõpuks tööle hakkab, sest reaalsetes töötingimustes saadud andmed vähendasid riski, et lõplik lahendus vajaks hilisemaid kohandusi või ei töötaks ootuspäraselt. Tegime kindlaks, et valgus ja varjud võivad oluliselt mõjutada pildituvastuse täpsust, ja kohandasime seadmeid vastavalt. Lisaks saime tehases vigu ise tekitada, olgu selleks katkine niit või kudumisnõel. See andis parema arusaama, kuidas vead reaalses tootmises välja näevad ja kuidas peaks meie süsteem neid märkama. Nende testide käigus kogutud andmed andsid aluse mudeli treenimiseks.

Viimases etapis sai meie masinõppe spetsialist Gregor Kokk keskenduda masinnägemise mudeli arendamisele. Kasutasime sadu pildinäiteid nii heade kui ka vigaste kudumitega, et õpetada mudelit tuvastama eri tüüpi defekte. Mudeli treenimine nõudis pidevat parameetrite kohandamist ja testimist, et saavutada võimalikult hea täpsus. Väga palju tuli käigupealt juurde õppida, sest ette tuli palju muutusi, mida klassiruumis ei olnudki võimalik ette näha.

Projekti lõpuks olime valmis ehitanud oma masinõppe arvuti, mis kahe kaamera abil tehases tootmisliine vaatas ja andis töötajatele teada, kui midagi peaks masina arvates valesti olema. Vea tuvastamine oli töötajatele tehtud eriti mugavaks, sest ekraanil näidatakse ka ära, mitmendal lindil ja kus täpsemalt viga tuvastati.

See projekt ei olnud ainult tehnoloogia arendamine – see oli võimalus õppida, kuidas ideed reaalsuseks muuta. Meie meeskond sai hindamatu kogemuse, kuidas ellu viia keerulist projekti algusest lõpuni. Koostööoskused, alates meeskonnasiseste rollide jagamisest kuni ettevõtte esindajatega suhtlemiseni, aitasid meil mõista, kuidas reaalne tööstusmaailm toimib. Lisaks kogemustele on projekt avanud uusi karjäärivõimalusi, sest praktiline kogemus annab märksa rohkem enesekindlust ja kindlustunnet oma oskuste rakendamiseks.

Sellised projektid näitavad, kui oluline on tudengitele praktiline kogemus. See on tõeline hüpe teooriast praktikasse, kus õppimine muutub tähendusrikkaks, ja tõendab, et ülikooli ja ettevõtte koostöös võivad sündida lahendused, mis toovad kasu nii tudengitele kui ka tööstusele tervikuna.

Artikkel ilmus Tehnikaülikooli ajakirjas Mente et Manu.