Tämän opinnäytetyön tarkoituksena oli selvittää, millainen on optimoitu datasetti objektin tunnistusohjelmaa varten. Lisäksi selvitettiin, kuinka Yolov5-tietokonenäkömalli luodaan ja tutkittiin erilaisia menetelmiä sen luomiseen. Opinnäytetyön toimeksiantajana toimi Calevala Interactive Oy. Opinnäytetyön teoriaosuudessa tutustutaan tekoälyn ja koneopin käsitteisiin sekä käydään läpi objektintunnistusprosessin eri vaiheita. Teoriaosuudessa käsitellään myös annotointiprosessia ja erilaisia saatavilla olevia annotointityökaluja. Lisäksi työssä tutustutaan YOLO-tietokonenäkömalliin, mallin kouluttamisen menetelmiin sekä valmiin mallin arviointiin. Opinnäytetyö on toiminnallinen. Käytännön osuudessa luotiin tarkoituksella erilaatuisia datasettejä, joilla koulutettiin eri menetelmiä käyttäen tietokonenäkömalleja. Käytännön osuuden avulla havaittiin, että korkealaatuisella ja laajalla datasetillä koulutettu tietokonenäkömalli on usein toimivampi sekä tarkempi kuin heikolla datalla koulutettu malli. Näiden tulosten avulla toimeksiantaja pystyy luomaan ohjeet datasetin valmisteluun, optimointiin sekä mallin luomiseen. Avainsanat annotointi, objektin tunnistus, tietokonenäkö, Yolov5 Sivut 68 sivua ja liitteitä 1 sivu