Browsing by Subject "tarkkuus"
Now showing items 1-5 of 5
-
(2023)Maailmanlaajuisen satelliittipaikannusjärjestelmän GNSS:n paikannustarkkuus ei yksistään riitä maataloudessa vaadittavalle senttimetritasolle, sillä GNSS:n tarkkuus on yksistään metrejä. Paikannuksen korjaamiseen halutulle tasolle käytetään avustepalveluita, joista tarkin saavutetaan RTK-menetelmällä. RTK on lyhenne sanoista real time kinematic, ja se tarkoittaa menetelmää, jossa paikannussignaali korjataan sijainniltaan tarkasti tiedossa olevan tukiaseman ja liikkuvan vastaanottimen avulla riittävän tarkalle tasolle. Maataloudessa RTK-korjausta käytetään esimerkiksi automaattiohjauksessa. Tässä maisterintutkielmassa vertailtiin kahden eri RTK-verkon paikannustarkkuutta. Verkkoina käytettiin Agritekin TOP-RTK -verkkoa ja Karera Oy:n verkkoa. Tutkielmassa pyrittiin selvittämään, eroaako palvelujen paikannustarkkuus toistaan samassa sijainnissa, liikkeessä samalla reitillä ja säilyykö paikannustarkkuus, kun mittaukset toistetaan viikkojen kuluttua. Mittaukset suoritettiin loka-joulukuussa 2022 Viikin Tutkimustilalla Helsingissä ja Ketolan tilalla Isossakyrössä. Mittaukset toistettiin samankaltaisina kummassakin sijainnissa. Mittaukset suoritettiin tallentamalla paikkatietodataa kummassakin RTK-verkossa paikalleen asennetusta mittauspisteestä. Paikallaan tehdyistä mittauksista suoritettiin kymmenen minuutin ja kahden tunnin mittaukset jokaisella kerralla. Liikkeessä tehdyissä mittauksissa ajettiin ajoneuvolla jokin lenkki paikkatiedon tallennus päällä, käyttäen kumpaakin RTK-verkkoa. Mitattu paikkatieto tallennettiin U-center -ohjelmaan, josta data siirrettiin CSV-tiedostona Matlabiin. Paikallaan tehdyistä mittauksista laskettiin Matlabilla Haversinen kaavan avulla poikkeama keskimääräisestä sijainnista. Tarkkuutta arvioitiin poikkeaman keskihajonnan ja suurimman arvon perusteella. Liikkeessä tehdyissä mittauksissa määritettiin vastaanottavan signaalin tarkkuuden todennäköisyyttä kuvaavat DOP (Dilution of precision) -arvot, sekä U-centerin tallentamat PACC-arvot. Saatujen tulosten perusteella palveluissa oli eroja paikallaan tehdyissä mittauksissa. Erot korostuivat, kun etäisyys tukiasemaan oli suurempi. Liikkeessä tehdyissä mittauksissa verkkojen välillä ei ollut suuria eroja. Yhtä mittauskertaa lukuun ottamatta sekä liikkeessä, että paikallaan tehdyissä mittauksissa Kareran verkko oli TOP-RTK -verkkoa tarkempi.
-
(2023)Maailmanlaajuisen satelliittipaikannusjärjestelmän GNSS:n paikannustarkkuus ei yksistään riitä maataloudessa vaadittavalle senttimetritasolle, sillä GNSS:n tarkkuus on yksistään metrejä. Paikannuksen korjaamiseen halutulle tasolle käytetään avustepalveluita, joista tarkin saavutetaan RTK-menetelmällä. RTK on lyhenne sanoista real time kinematic, ja se tarkoittaa menetelmää, jossa paikannussignaali korjataan sijainniltaan tarkasti tiedossa olevan tukiaseman ja liikkuvan vastaanottimen avulla riittävän tarkalle tasolle. Maataloudessa RTK-korjausta käytetään esimerkiksi automaattiohjauksessa. Tässä maisterintutkielmassa vertailtiin kahden eri RTK-verkon paikannustarkkuutta. Verkkoina käytettiin Agritekin TOP-RTK -verkkoa ja Karera Oy:n verkkoa. Tutkielmassa pyrittiin selvittämään, eroaako palvelujen paikannustarkkuus toistaan samassa sijainnissa, liikkeessä samalla reitillä ja säilyykö paikannustarkkuus, kun mittaukset toistetaan viikkojen kuluttua. Mittaukset suoritettiin loka-joulukuussa 2022 Viikin Tutkimustilalla Helsingissä ja Ketolan tilalla Isossakyrössä. Mittaukset toistettiin samankaltaisina kummassakin sijainnissa. Mittaukset suoritettiin tallentamalla paikkatietodataa kummassakin RTK-verkossa paikalleen asennetusta mittauspisteestä. Paikallaan tehdyistä mittauksista suoritettiin kymmenen minuutin ja kahden tunnin mittaukset jokaisella kerralla. Liikkeessä tehdyissä mittauksissa ajettiin ajoneuvolla jokin lenkki paikkatiedon tallennus päällä, käyttäen kumpaakin RTK-verkkoa. Mitattu paikkatieto tallennettiin U-center -ohjelmaan, josta data siirrettiin CSV-tiedostona Matlabiin. Paikallaan tehdyistä mittauksista laskettiin Matlabilla Haversinen kaavan avulla poikkeama keskimääräisestä sijainnista. Tarkkuutta arvioitiin poikkeaman keskihajonnan ja suurimman arvon perusteella. Liikkeessä tehdyissä mittauksissa määritettiin vastaanottavan signaalin tarkkuuden todennäköisyyttä kuvaavat DOP (Dilution of precision) -arvot, sekä U-centerin tallentamat PACC-arvot. Saatujen tulosten perusteella palveluissa oli eroja paikallaan tehdyissä mittauksissa. Erot korostuivat, kun etäisyys tukiasemaan oli suurempi. Liikkeessä tehdyissä mittauksissa verkkojen välillä ei ollut suuria eroja. Yhtä mittauskertaa lukuun ottamatta sekä liikkeessä, että paikallaan tehdyissä mittauksissa Kareran verkko oli TOP-RTK -verkkoa tarkempi.
-
(2022)Background. Aphasia is a deficit of language and cognition caused by brain damage. Rehabilitation is based on reactivating and reorganizing the nervous system – or learning things anew. Learning is based on many factors, that would require more thorough examination to best allocate and plan rehabilitation. The impact of reaction speed on the ability to learn novel words has not yet been studied in aphasic patients, although inter- and intraindividual variability in their reaction times clearly exists. Some aphasic patients have also been associated with a behavioral pattern called speed-accuracy trade-off, a pattern where a person balances between acting fast or accurately. This has led to overly cautious or overly hasty responding in some aphasic patients, which potentially could influence the learning ability. Objectives. The purpose of this study is to examine reaction times and response accuracy and their possible relationship in a novel word learning task in aphasic patients and healthy controls. Special interest is placed on the occurrence of speed-accuracy trade-offs, or overly cautious or fast responding related to response accuracy outcome. Additionally, it is being examined if intrapersonal variability in reaction times predicts novel word learning ability. Methods. The participants of this study consist of 10 aphasic patients in subacute stage and 21 healthy age-matched controls. This study was executed as a part of “Opi sanoja” research project, in which novel word learning ability was studied through a computer-based word learning task. The purpose of the task was to learn six pseudo-words associated with a picture. The pictures were shown in pairs, of which the examinee was told to choose the right one according to seen and heard pseudo-word and earlier received feedback. Reaction speed was measured by reaction times recorded by the word learning task. Reaction times were compared with response accuracy in and between the study groups. Results and conclusions. Aligned with previous studies, aphasic patients learned novel words worse than the controls, although great interindividual variability was noted. The reaction times of aphasic patients were significantly slower, but again interindividual variability was large in the group. Reaction speed correlated with novel word learning in the control group, but not significantly in the aphasic group. Intraindividual reaction time variability was notable in both groups, being twice as large in the aphasic group. Broader intraindividual variability correlated with weaker novel word learning ability in the control group. The speed-accuracy trade-off pattern occurred in two aphasic patients: one with overly cautious and one with overly hasty response behavior. According to this study, examining reaction times and possibly speed-accuracy trade-offs with, for example, a specific learning test would help to recognize the patients with maladaptive timing patterns. This would benefit the patient, as optimizing the speed-accuracy trade-offs has been studied to improve item naming, the effect even being transferred to connected speech. The relationship of speed-accuracy trade-offs with novel word learning requires further studying, taking into consideration factors behind reaction times and word learning ability.
-
(2018)Katkotun puutavaran varastoinventoinnissa on havaittu haitallisia määräeroja inventoinnin ja kirjanpidollisen saldon välillä. Varastot inventoidaan virallista pinomittausmenetelmää soveltaen, jolloin mittaajan kokemus ja mittavälineiden käyttö korostuvat. Pinomittausmenetelmän suurimmat heikkoudet ovat mittausmenetelmän silmävaraisesti arvioidut dimensiot (korkeus ja leveys) varsinkin suurissa likipituisen puutavaran pinoissa. TRESTIMA Oy:n kehittämä TRESTIMA Stack on konenäköön perustuva mittausmenetelmä, joka mittaa älypuhelimen tai – tabletin kuvasta pinon tilavuuden. Mitattavaan pinoon kiinnitetään metrinmittainen referenssikeppi, jonka perusteella konenäkö määrittää pinon pölkkyjen läpimitat. Kuvaamisen jälkeen kuvaan rajataan manuaalisesti pinon ääriviivat sekä lisätään pinon mitattu leveys. Lisäksi pinon puulaji (havu- tai lehtipuu) valitaan valikosta. Tämän jälkeen sovellus laskee pilvipalvelussa pinon tilavuuden korjaamalla automaattista kerrointaan tunnistamiensa läpimittojen ja lisätyn leveyden perusteella. Tutkimuksen päätavoitteena oli selvittää TRESTIMA Stackin mittatarkkuus sekä ajanmenekki verrattuna viralliseen pinomittausmenetelmään. Lisäksi haluttiin selvittää onko pinon koolla, kuitupuulajilla, varastopaikalla, vuodenajalla tai pinon pölkkyjen keskiläpimitalla vaikutusta TRESTIMA Stackin mittatarkkuuteen. Mielenkiintoisinta oli selvittää sovelluksen käyttöä suurissa puskuri- ja terminaalivarastoissa. Tutkimusaineisto käsitti 60 puutavarapinon mittaukset. Näistä 32 oli puskuri- ja terminaalivarastopinoja ja 28 tienvarsivarastopinoja. Havukuitupuupinoja mitattiin terminaalivarastolla 19 ja lehtikuitupuupinoja 9. Tienvarsipinoja mitattiin vastaavasti 21 ja 11. Mitattujen pinojen todellinen tilavuus selvitettiin Anjalan (kuuset), Kaukopään (koivut) ja Varkauden (männyt) tehtailla upotusmittauksella. TRESTIMA Stackin tarkkuus oli koko aineistossa 2,7 %. Tarkkuus oli parempi terminaalivarastolla (0,7 %) kuin tienvarsivarastolla (4,5 %). Pinomittausmenetelmän tarkkuus oli –4,8 % terminaalissa ja –4,9 % tienvarsivarastolla. TRESTIMA Stackilla päästiin maa- ja metsätalousministeriön asetuksen (12/13) suurimman sallitun poikkeaman rajoihin. TRESTIMA Stackin ajanmenekki oli 10,5 s/m³, kun pinomittauksessa aika oli 13,7 s/m³. Ajankulun mittauksessa selvisi, että TRESTIMA tarkistuttaa jokaisen kuvan henkilöstöllään, josta syntyi mittauksesta riippumatonta viivettä. Kun tämä viive vähennettiin kokonaisajasta, ajankuluksi saatiin 6,5 s/m³. Pinomittauksen ajanmenekki oli sekunnin nopeampi tuloksen laskuun käytetyn ajan vähennyksen jälkeen. Sovelluksen suurin ongelma oli pinon lopullinen rajaus, joka jätti kehykseen joko tyhjää tilaa tai se rajasi pölkkyjä ulkopuolelle. Paljon likipituista puuta sisältävän pinon leveyden mittaus oli arvioinnin takia selvä virhelähde mittauksissa. Vaikka TRESTIMA Stack oli erittäin tarkka terminaalivarastoissa, sen käytännöllisyyttä varastoinventoinnissa nykyisen mittausmenetelmän sijaan täytyy pohtia. Suurissa varastoissa pinot varastoidaan tilanpuutteen takia peräkkäin, jolloin keskimmäisiä pinoja ei pääse kuvaamaan. Pinot ovat muotoiltu samanmuotoisiksi ja – pituisiksi, jolloin varaston mittaus nykyisellään tapahtuu yksinkertaisuudessaan kertomalla etupinon pituus, muutamien korkeuksien keskiarvo, leveys ja pinojen lukumäärä keskenään. TRESTIMA Stack ei poista tällaisten varastojen määrän arvioimista. TRESTIMA Stack on suositeltava mittausmenetelmä tienvarsivarastojen tilavuudenmittauksen tarkkuuden ja nopeuden takia.
-
(2019)In forest inventories, the field data is needed as a reference data, calibration and for assessing the accuracy. Gathering the field data needs resources, such as work forces, equipment and data management operations. This means that time and budget as well as quality must be carefully considered when National Forest Inventory activities are to be planned. Therefore, the development of cost efficient, simpler, safer and more accurate and reliable field data measurement methods and tools are topics of great interest. One of the field measurement variables is the upper stem diameter, which has been part of the NFI field data set until the 11th NFI. The measured upper stem diameter helps to produce more reliable tree stem volumes with 3-parameter Laasasenaho volume model. However, only if the quality of the measurements is on an adequate level. The upper stem diameter has been traditionally measured with parabolic caliper assembled in the top of the 5-meter aluminium rod. This equipment combination takes time to assemble and disassemble, it is not very compact to be carried around as well as it can be a health and safety issue during the thunderstorm. Therefore Criterion, laser-based dendrometer performance was further examined in this study as an optional measurement equipment for future upper stem diameter field measurements. The Criterion upper stem as well as dbh measurement precision was analysed based on the 326 sample tree measurements with Sonar, Caliper and Criterion. The standard error for Criterion was 17,26 mm in dbh measurements for all species and 10,36 mm in d6 measurements for all species. The reference standard errors from earlier studies were 2,70 mm for dbh with Steel Caliper and 7,00 mm for d6 with Caliper. When analysing the Criterion performance with reference to mean of the measurements, the standard error in dbh measuements for all species was 9,72 mm and for d6 measurements 7,07 mm. Furthermore, the accuracy and precision were analysed with Bland-Altman technique, which is a suitable method for comparing two measurements of the same variable when both have some errors. The Bland-Altman results supported the earlier findings. Within and between observer analysis showed that the impact in measurement accuracy or precision is not caused by the observers. The comparison of the sample tree volumes produced the results that the relative standard error was increased by 2,13 % for all species when 2-parameter volume model was compared with 3-parameter model. Likewise, the relative bias was increased by 1,53 %. In efficiency experiment the scenario where only one sample tree with measured d6 was chosen from each of the sample plot and dbh percentile of p70 was providing most accurate and precise sample plot volumes with RMSE of 3,92 m3/ha and bias -0.78 m3/ha. The results show that there is a real challenge to achieve reliable and accurate upper stem diameter measurements and therefore new measurement methods need to be further studied and analysed.
Now showing items 1-5 of 5