Intopii tuo markkinoille uuden, vaativiin teollisiin sovelluksiin tarkoitetun konenäkömenetelmän. Oulun yliopistossa kehitettyyn LBP-menetelmään pohjautuvaa tuotetta voidaan käyttää sovelluksissa, joissa konenäöllä ei aiemmin ole päästy riittävään tarkkuuteen tai nopeuteen.
Local Binary Pattern (LBP) -tekstuurimentelmä on herättänyt viime aikona runsaasti kansainvälistä huomiota erinomaisen suorituskykynsä ja laskennallisen yksinkertaisuutensa ansiosta. Menetelmä sopeutuu muuttuviin kuvausolosuhteisiin ja muutoksiin kuvattavassa materiaalissa, ja se toimii luotettavasti suurillakin kuvausnopeuksilla. Tuotetta voidaan käyttää paitsi yksittäisten vikojen ilmaisuun myös tuotteen yleisen laadun arviointiin ja jopa lujuusmittauksiin.
"LBP-menetelmä on osoittautunut merkittäväksi läpimurroksi sekä tieteelliseltä että käytännön sovellusten kannalta. Laskennallisesti yksinkertaisena ja valaistuksen muutoksia hyvin sietävänä menetelmänä se on luonut edellytyksiä tekstuuri-informaation hyödyntämiselle mitä erilaisimmissa konenäön sovelluksissa, joista viimeisimpiä esimerkkejä ovat ihmisten kasvojen tunnistaminen sekä reaaliaikainen liikkuvien kohteiden ilmaiseminen", sanoo professori Matti Pietikäinen Oulun yliopistosta.
Monissa laadunvalvonnan konenäkösovelluksissa pyritään erottamaan mitattavat kohteet kuvan taustasta, minkä jälkeen esimerkiksi niiden muotoa voidaan analysoida. Joissakin sovelluksissa taas etsitään yksittäiset viat ja tulkitaan niiden merkitys lopputuotteen laatuun. On kuitenkin paljon tuotteita, joiden laatua ei aina voida näin mitata.
Esimerkeiksi käyvät vaikkapa paperi ja sahatavara, joiden tapauksessa laatu on mitattava koko tuotteen koostumuksesta. Tekstuurianalyysillä voidaan tuotteesta mitata monipuolisia ominaisuuksia, joiden avulla laadutus saadaan aiempaa tarkemmaksi.
Intopiin esittelemän tuotteen uudet menetelmäinnovaatiot mahdollistavat tekstuurianalyysin käytön sovelluksissa, joihin se ei aiemmin ole analysoitavan materiaalin tai suorituskykyvaatimusten vuoksi soveltunut.