Om tjänsten
Övergripande beskrivning
Examensarbetet genomförs i samarbete med ett hållbarhetsföretag med målet att använda maskininlärning för att förbättra
statistiken över produkter som anländer till en återvinningsanläggning. Företaget har tillgång till en produktdatabas med
individuella SKU:er (Stock Keeping Units), ett mindre manuellt annoterat dataset från produkter som identifierats på
transportbandet samt en omfattande samling oannoterade bilder som kontinuerligt samlas in av ett kamerasystem. Kombinationen av
dessa datakällor skapar förutsättningar för att utveckla automatiserade metoder för produktidentifiering baserade på datorseende
och djupinlärning. En central utmaning är det stora antalet produkter som kan förekomma i avfallsflödet, där många SKU:er dessutom
uppvisar små visuella skillnader. För att möjliggöra detaljerad och skalbar statistikinsamling undersöker arbetet hur moderna
bildklassificeringsmodeller kan användas för att identifiera produkter på olika detaljnivåer, från produktkategori till enskild
SKU.
Projektbeskrivning
Målet med examensarbetet är att utveckla en pipeline som automatiskt kan generera statistik över de produkter som anländer till en
återvinningsanläggning. För detta finns idag tre datakällor tillgängliga. Den första består av en produktkatalog med individuella
SKU:er. Den andra är en annoterad datamängd som har samlats in genom manuell provtagning, där produkter från transportbandet har
identifierats och märkts över tid. Den tredje datakällan utgörs av ett kamerasystem som kontinuerligt fotograferar inkommande
produkter på transportbandet, vilket har resulterat i en omfattande mängd oannoterade bilder från verklig drift. Uppgiften är att
utveckla och utvärdera datorseendemodeller som automatiskt kan klassificera produkter utifrån bilder. En central utmaning är det
stora antalet SKU-klasser samt den höga visuella likheten mellan många produkter. I takt med att antalet klasser ökar blir
klassificeringsuppgiften allt mer komplex, vilket gör skalbarhet till en viktig forskningsfråga.
Examensarbetet kommer att undersöka följande frågeställningar:
1. Hur påverkas klassificeringsnoggrannheten när antalet produktklasser ökar?
2. Kan en hierarkisk klassificeringsmodell, där produkttyp identifieras först och därefter varumärke, förbättra prestandan vid
identifiering på SKU-nivå?
3. Hur skiljer sig olika datorseendemodeller och hyperparameterkonfigurationer åt vad gäller klassificeringsprestanda och
robusthet?
Vem söker vi?
Vi söker en masterstudent inom datavetenskap, datateknik, teknisk fysik, data science, maskininlärning, artificiell intelligens
eller närliggande område.
Meriterande: Pytorch, Finetuning and cloud experience
Syfte
Syftet med examensarbetet är att undersöka hur datorseende kan användas för att automatisera produktidentifiering i
återvinningsanläggningar och därigenom möjliggöra mer detaljerad och skalbar statistik över inkommande avfallsflöden. Studien
fokuserar särskilt på utmaningen att klassificera ett stort antal SKU:er där många produkter uppvisar betydande visuell likhet.
Arbetet syftar till att analysera hur klassificeringsprestanda påverkas av ett ökande antal klasser samt att utvärdera om
hierarkisk klassificering kan utgöra ett effektivt alternativ till traditionella klassificeringsmetoder. Genom att jämföra olika
datorseendemodeller, arkitekturer och hyperparameterinställningar avser studien att identifiera metoder som kan förbättra både
noggrannhet och skalbarhet vid produktigenkänning. Resultaten förväntas bidra med kunskap om storskalig visuell klassificering
samtidigt som de kan skapa praktiskt värde genom att stödja automatiserad datainsamling och analys inom återvinningssektorn.
En spännande resa med Knightec Group
Knightec Group är idag en av Norra Europas ledande strategiska partners inom produkt- och digital tjänsteutveckling – hur häftigt
är inte det?
Genom att förena ingenjörskompetens, digital expertis och affärsförståelse hjälper vi våra kunder att omvandla ny teknik till
verkliga lösningar som skapar värde. Vi arbetar i skärningspunkten mellan affärsstrategi och teknikutveckling och stöttar våra
kunder genom hela resan – från de första idéerna till utveckling, implementering och vidare utveckling.
På Knightec Group samlas människor med olika perspektiv, erfarenheter och specialistområden. Tillsammans skapar vi innovation som
gör verklig skillnad – för företag, människor och samhället i stort. För våra medarbetare innebär det stora möjligheter att vara
med och forma framtidens lösningar genom meningsfulla projekt i teknikens absoluta framkant. Här får du inte bara utvecklas och
växa i din roll – du blir också en del av ett team där nyfikenhet, samarbete och modet att utmana driver oss framåt.
Praktisk information
Detta är en masteruppsats-tjänst med placering på vårt kontor i Stockholm eller Uppsala. Startdatum i januari, exakta datum släpps
närmre inpå.
Det färdiga examensarbetet kan publiceras och användas både i din personliga portfölj och i företagets marknadsföring. Vänligen
bifoga CV och personligt brev i din ansökan.
Skicka gärna in din ansökan så snart som möjligt, dock senast 2026-10-29. Om du har några frågor är du välkommen att kontakta
Marla Touma på marla.touma@knightec.se. Observera att vi, på grund av GDPR, endast tar emot ansökningar via vår karriärsida.