Koneoppimis- ja tekoälyratkaisut tarvitsevat suuren määrän havaintodataa ja datan keräämiseksi tarvitaan sovelluskohteen mukaan ohjelmisto tai laitteisto, useimmiten molemmat. Kerätystä havaintodatasta etsitään tyypillisesti säännönmukaisuuksia, jotka kuvataan mallina. Mallit joko luokittelevat datan, ennustavat jonkin tulevan ilmiön tai etsivät poikkeamia datassa. Ilman käytettävissä olevaa havaintodataa ei koneoppimisesta ja tekoälystä ole hyötyä.
Sensorityyppistä havaintodataa voidaan kerätä sopivalla ohjelmistolla ja laitteistolla esimerkiksi lämpötilasta, ilmankosteudesta ja sähkönkulutuksesta. Datan keräämiseen ja hyödyntämiseen on tarjolla kaupallisia laitteistoja sekä kotitietokoneisiin että mobiililaitteisiin. Esimerkiksi sähkön hinnan nousun myötä on kiinnostus sähkönkulutuksen seurantaan kasvanut ja markkinoille on tullut sähkönkulutuksen havaintodataa hyödyntäviä laitteita, joiden avulla lämmitysjärjestelmän toimintaa voidaan säätää. (South 2020.)
Havaintodataa keräävän laitteiston voi myös rakentaa itse esimerkiksi mobiililaitteelle tai kotitietokoneelle, jolloin laitteistosta saa halutunlaisen. Saatavilla on myös yhden piirilevyn tietokoneita, jotka ovat edullisia, suorituskykyisiä ja joissa on pieni virrankulutus. (Bowers 2014.) Rasberry Pi Foundationin kehittämä Rasberry Pi -mallisarja on yhden piirilevyn tietokoneista suosittu vaihtoehto. Sen käyttöjärjestelmänä on Linux graafisella käyttöliittymällä, ja siinä on myös monipuoliset tulo- ja lähtöliitynnät eri käyttötarkoituksiin.
Havaintodatan keräämiseen Rasberry Pi -tietokoneisiin on tarjolla valmiita ohjelmistoja. Niistä muun muassa Node-Red on monipuolinen vaihtoehto. Siinä ohjelmointi tapahtuu visuaalisilla työkaluilla ja JavaScriptillä. Dataa keräävän sovelluksen voi myös ohjelmoida itse tai käyttää kevyempiä ratkaisuja kuten Linux-käyttöjärjestelmän scriptejä, joilla sovellus on nopeasti muokattavissa ja testattavissa. Havaintodatan tallentamiseen voi käyttää tietokantaa tai taulukkomuotoista csv-tekstitiedostoa.
Sensorityyppistä havaintodataa kerättäessä tarvitaan myös mittaussensoreita, joita saa langallisina ja langattomina. Langallisia sensoreita löytyy eri väyläliityntöihin, kuten USB, I2C, 1-Wire ja SPI. Langattomia sensoreita on vastaavasti eri yhteystekniikoilla, joita ovat muun muassa Bluetooth, WiFi, Zigbee ja Z-Wave. Sensorin tyyppi valitaan sovelluskohteen mukaan. Langattomat ratkaisut ovat yleistyneet, koska ne ovat edullisia ja niitä käytettäessä säästytään kaapeloinnilta, mikä helpottaa sijoittelua. Langatonta vaihtoehtoa suunniteltaessa on hyvä ottaa huomioon langattomien sensoreiden tiedonsiirtomäärä ja tietoturva. (Heimola 2020.)
LAB-ammattikorkeakoulun IoT:stä tekoälyyn -insinöörikoulutusohjelma (YAMK) luo hyvän pohjan ohjelmisto- ja laitteistoratkaisujen suunnitteluun ja hyödyntämiseen koneoppimis- ja tekoälysovelluksissa. Sami Kallamäki rakensi osana opinnäytetyötä havaintodatan keräyslaitteiston ja käytti sitä opinnäytetyössä tarvittavan havaintodatan keräämiseen. (Kallamäki 2023.)
Kirjoittajat
Sami Kallamäki on opiskelija IoT:stä tekoälyyn -insinöörikoulutuksessa (YAMK). Hänellä on useiden vuosien työkokemus automaatiosuunnittelusta ja tuotekehityksestä.
Minna Asplund, TkL, toimii LAB-ammattikorkeakoulussa lehtorina ja koordinaattorina IoT:stä tekoälyyn -insinöörikoulutuksessa (YAMK).
Tommi Veijalainen toimii tietotekniikan lehtorina LAB-ammattikorkeakoulussa ja on opettanut elektroniikkaa ja luonnontieteitä yli 25 vuotta.
Lähteet
Bowers, N. 2014. Then and now: a brief history of single board computers. Electronic Specifier, Products, Communications 11.9.2014. Viitattu 14.11.2023. Saatavissa https://www.electronicspecifier.com/products/communications/then-and-now-a-brief-history-of-single-board-computers
Heimola, S. 2020. Kuusi asiaa, jotka kannattaa ottaa huomioon, kun valitsee langatonta ratkaisua. Vaisala-blogi 12.11.2020. Viitattu 14.11.2023. Saatavissa https://www.vaisala.com/fi/blog/2022-01/kuusi-asiaa-jotka-kannattaa-ottaa-huomioon-kun-valitsee-langatonta-ratkaisua
Kallamäki, S. 2023. Tutkimus sääolosuhteiden vaikutuksista asukkaan olotilaan asunnon sisätiloissa. YAMK-opinnäytetyö. LAB-ammattikorkeakoulu, tekniikan ala. Lahti. Viitattu 22.11.2023. Saatavissa https://www.theseus.fi/handle/10024/809919
South, A. 2020. Schneider Electric launches range of new Wiser smart home energy solutions. Sparks 15.9.2020. Viitattu 20.11.2023. Saatavissa https://www.sparks-magazine.co.uk/schneider-electric-launches-range-of-new-wiser-smart-home-energy-solutions/
