Hyperspektrikamera näkee asioita, joita ihmissilmin ei voi havaita.
Kamera skannaa kolmen päävärin sijasta jopa satoja eri aallonpituuksia ja juoruaa yksittäiselle kuvapikselille tallentuneesta spektristä esimerkiksi sen, mitä materiaalia kuvan kohde on.
– Ilmakuvasta voi tunnistaa esimerkiksi peltikaton, koska sen spektri on metallille tyypillinen. Samoin hyvänlaatuisilla ja pahanlaatuisilla luomilla on oma, niille ominainen spektrinsä, kertoo tutkijatohtori Samuli Rahkonen.
Rahkosen väitöstyössä syntyi neljän erilaisen neuroverkon prototyyppi. Yksi niistä tunnisti eri puulajit ilmakuvista, toinen taas pahanlaatuisia luomia iholta. Menetelmiä kehittää Rahkosen tutkimusyksikkö, Jyväskylän yliopiston spektrikuvantamisen laboratorio.
Ryhmä hyödyntää VTT:n kehittämiä hyperspektrikameroita, joiden kuviin tallentuvat näkyvän valon aallonpituuksien lisäksi myös infrapuna- ja ultraviolettisäteilyn aallonpituudet. Kaksi VTT:n kameraa kiertää maapalloakin suomalaisten mikrosatelliittien kyydissä.
Pahanlaatuisten luomien tunnistusmenetelmää varten Jyväskylän tutkijat kuvasivat hyperspektrikameralla yhteistyösairaaloiden ihotautipotilaiden luomia. Pelkkä hyperspektrikuva ei kuitenkaan riitä. Spektrikameran tuottamaa, tavalliseen valokuvaan verrattuna jopa tuhatkertaista datamäärää on mahdotonta tulkita ihmisvoimin.
– Tässä uudet koneoppimisalgoritmit ovat osoittautuneet erityisen käteviksi, Rahkonen kertoo.
Neuroverkkoihin pohjautuva koneoppiva järjestelmä on tällaisessa työssä parhaimmillaan.
Neuroverkko pärjäsi lääkärille
Rahkosen hyödyntämät konvoluutioneuroverkot ovat tavallisia neuroverkkoluokittimia fiksumpia. Lisäämällä neuroverkkoon niin sanottuja konvoluutiokerroksia pystyy se oppimaan ja tunnistamaan erilaisia kuvapiirteitä.
Niiden avulla tavallisesta valokuvasta taas voi tunnistaa abstraktimpia ja monimutkaisempia asioita, kuten kissan korvan, koiran kuonon, ihmisen silmän tai stop-merkin muodon. Hyperspektrikuvan spektri-informaatiosta neuroverkko saa irti asioita, joita ei ihmissilmin edes ole mahdollista nähdä.
– Minun panokseni tähän luomien tunnistamista käsitelleeseen tutkimuspaperiimme oli idea siitä, miten tämä tehdään. Sitten kirjoitin algoritmin koodin ja testasin, miten se toimii.
Jo ensimmäinen prototyyppi näytti, että neuroverkkopohjainen luomien tunnistin on lupaava. Kun neuroverkko oli ensin koulutettu lääkärin vastaanotolla otetuilla hyperspektrikuvilla, pääsi se uusien, sille ennestään tuntemattomien hyperspektrikuvien kimppuun.
Tuloksia verrattiin koehenkilöiden kasvainnäytteisiin ja silloin Rahkosen ideoiman koneoppimisalgoritmin tunnustustarkkuus oli samaa luokkaa kuin luomia työkseen tutkivilla ihmislääkäreillä.
Tekoälystä tuli arkea
Tekoälystä on viimeisen vuoden aikana tullut koko kansan puheenaihe. Nyt uudet tekoälypalvelut tuottavat jo järkevän oloista tekstiä ja luovat fotorealistisia kuvia käyttäjän toiveiden perusteella.
– Näiden takana ovat juuri nämä syväoppivat generatiiviset neuroverkot, Rahkonen kertoo.
Väitöskirjassa hyödynnetyt teknologiat ovatkin jo osa arkeamme, mutta täysin tietämättämme.
Taustalla on todennäköisesti konvoluutioneuroverkko, kun parkkihalliin ajaessa auton rekisteritunnus ilmestyy näytölle ja portti aukeaa tai kun kännykän valokuvasovellus luokittelee valokuvat automaattisesti.
– Konvoluutioneuroverkot ovat hyviä silloin, kun ei pystytä kirjoittamaan mitään valmiita sääntöjä vaikkapa sille, miten tunnistat esimerkiksi ihmisen kaikista mahdollisista kuvista.
Vielä luomien tunnistustakin vakuuttavampaa jälkeä teki Rahkosen väitöskirjan toinen tekoälyalgoritmi, jolle annettiin tehtäväksi eri puulajien tunnistus hyperspektrikameralla otetuista ilmakuvista.
Kun tekoäly oli pureskellut Padasjoen koemetsästä dronesta käsin kuvatun datamassan, selvisi tutkijoille, miten hyvin se oli suoriutunut koemetsän tarkkaan kartoitettujen 4 142 männyn, koivun ja kuusen tunnistuksesta. Tulokset olivat hyvät.
Puulajien tunnistustarkkuus oli yli 96 prosenttia. Koivut tekoäly tunnisti yli 98 prosentin tarkkuudella, kuusissa se jäi alle 90 prosentin.
– Yllätyin, että näinkin yksinkertaisella neuroverkolla saimme näin hyvän tuloksen.
Avaruussovellukset ensin
Kenen Samuli Rahkonen toivoisi lukevan väitöskirjansa?
– Esimerkiksi tietotekniikan tai lääketieteen ammattilaisten, joilla on kuvantunnistusongelmia, jotka ei selviä pelkästään silmällä.
Esimerkiksi teollisuudessa on paljon laadunvarmistustehtäviä, joissa hyperspektrikuvauksella ja tekoälyllä olisi käyttöä.
Sovellusideoille ei tahdo tulla loppua, kun Rahkonen pääsee vauhtiin. Teknologia taipuu niin maalausväärennösten tunnistamiseen kuin hedelmien kypsyyden varmistamiseen.
Lupaavin sovellusalue on Rahkosen mukaan kaikenlainen ilmakuvantaminen, ja erilaiset avaruuteen vietävät laitteet. Tulevaisuudessa hyperspektrikameroita saattaa olla taivaalla satamäärin tuottamassa reaaliaikaista kuvaa maapallosta – ja tekoäly analysoimassa niiden tuottamaa valtavaa datavirtaa.
Rahkosen kollega tutkii parhaillaan asteroidien spektrikuvantamista.
– Asteroidien koostumuksen määrittäminen hyperspektrikuvantamisella tähtää jo hyvin pitkälle tulevaisuuteen. Tutkimuksen hankepaperissa mainittiin kaivostoiminta asteroideilla, Rahkonen paljastaa.
Itseajavien autojen kehittäjä
Kun Samuli Rahkonen päätyi suorittamaan siviilipalvelustaan Jyväskylän yliopiston spektrikuvantamisen laboratorioon, virisi hänellä nopeasti ajatus testata miten TTY:n signaalinkäsittelyn kursseilta tutut koneoppimismenetelmät sopisivat hyperspektrikuvien tulkintaan.
Pian siviilipalveluksen päätyttyä hän olikin palkkatöidensä ohella laboratorion osa-aikainen väitöstutkija. Väitöskirjan aiheena oli neuroverkkojen hyödyntäminen hyperspektrikuvien tulkinnassa.
Nyt väitöskirja on valmis, ja Rahkosella on varsinainen arkityö ohjelmistoyritys Unikiella itseajavien autojen kehitystyön parissa. Mutta päätyönsä ohella hän jatkaa edelleen spektrikuvantamisen laboratorion osa-aikaisena tutkijana. Juuri nyt Rahkonen kehittää yliopistolla menetelmää metsäpalojen havainnointiin neuroverkkojen avulla. Myös väitöskirjan luomien tunnistusmenetelmä on kehittynyt laboratoriossa eteenpäin. Nyt hyperspektrikameran kuvaan yhdistetään 3D-kuvantamisella luomen muoto.
Samuli Rahkosen tie tekniikan tohtoriksi
1990. Syntyy Jyväskylässä.
1994. 12 vuoden kuvataidekoulu-ura alkaa.
– Siellä oppi luovuutta, ja kiinnostuin kuvista.
1996. Tie internetiin avautuu varhain tietoliikenneasiantuntijana työskennelleen äidin myötävaikutuksella.
2009. Pääsee ylioppilaaksi ja aloittaa tietotekniikan opinnot kivenheiton päässä kotoa Jyväskylän yliopistossa.
2012. Kandiksi valmistunut Rahkonen jatkaa DI-opintojaan Tampereen teknillisessä yliopistossa.
2015. Nokia Networksille tehty diplomityö käsitteli mobiilitukiasemien simuloitujen järjestelmäpiirien toiminnan varmistamista.
2016. Tuore diplomi-insinööri suorittaa siviilipalveluksen Jyväskylän yliopiston spektrikuvantamisen laboratoriossa ohjelmistoinsinöörin töissä.
2017. Aloittaa ohjelmistoinsinöörinä Vincitillä, ja ryhtyy hyperspektrikuvantamisen laboratorion osa-aikaisena tutkijana väitöskirjan tekoon. – Tein väitöskirjaa viitisen vuotta pääosin päivän viikossa.
2021. Ohjelmistoyhtiö Unikielle itseajavien autojen kehitystyöhön.
2023. Laskennallisen tieteen väitöskirja "Deep learning architectures for hyperspectral imaging applications" hyväksytään. Rahkonen on historian ensimmäinen Jyväskylän yliopistosta valmistunut tekniikan tohtori.
Mitä haluaisit saada aikaan tekniikan tohtorina?
– Syy, miksi päädyin tekemään väitöskirjaa, oli halu kehittää jotain mielenkiintoista, josta olisi hyötyä myös muille. Sitä haluan tehdä vastakin.
Suosikkileikkikalu?
– Lapsena tekniikkalegot ja niiden sähkömoottorit, tänä päivänä varmaan Valve Index -virtuaalitodellisuuslasit.
Lempiharrastus?
Opiskelu ja kuvataide. – Piirrän musteella, tusseilla ja vesiväreillä.