Search academic texts

Information × Registration Number 2123U011215, Article popup.category Стаття Title Результати первинної обробки інтерферограми для побудови моделей машинного навчання Results of primary interferogram processing for machine learning model construction (AI translated) popup.author Шопін П. Ю.Хорошун Г. М.Барбарук В. М.Рязанцев О. І.Shopin P. Y.Khoroshun G. M.Barbaruk V. M.Ryazantsev O. I.Shopin P. Yu.Khoroshun H. M.Barbaruk V. M.Ryazantsev O. I.Shopin P. Y.Khoroshun G. M.Barbaruk V. M.Ryazantsev O. I. popup.publication 01-01-2023 popup.source_user Східноукраїнський національний університет імені Володимира Даля popup.source https://doi.org/10.33216/1998-7927-2023-279-3-11-15 popup.publisher СНУ ім. В. Даля Description Робота присвячена обробці інтерферометричних відео та зображень для дисциплін, де вимагається високоточне та динамічне вимірювання фізичних параметрів. Застосування моделей машинного навчання додає нові можливості до аналізу інтерферометричних даних, роблячи їхнє використання більш ефективним та точним. Інтерферометрія застосовується для різноманітних вимірювань, які базуються на інтерференційних явищах для визначення статистичних та динамічних параметрів об'єктів. Вимірювання статичних параметрів за допомогою інтерферометрії може включати: висоту поверхні, деформацію поверхні, товщину шару матеріалу, оптичні властивості, такі як коефіцієнти пропускання чи відбивання світла, напруження та деформацію матеріалу, розташування об’єктів та кутові виміри. Інтерферометри можуть вимірювати динамічні параметри, такі як швидкість та напрямок руху об'єктів в транспортних системах та біологічних клітинах. Інтеграція методів машинного навчання в аналіз інтерферограм може значно покращити ефективність та точність отриманих результатів, особливо в умовах великого обсягу даних та складних паттернів. Основні задачі, які можна виділити для застосування методів машинного навчання це фільтрація шумів, сегментація об'єктів, прогнозування змін, корекція артефактів, оптимізація обробки даних. Для того, щоб побудувати модель машинного навчання необхідно дослідити реальні інтерференційні картини, визначити основні параметри моделі, реалізувати методи автоматичної обробки зображення. Отже, в роботі досліджено реальні інтерференційні картини, надано їх опис, проведена автоматизація процесу визначення їх якості та надання рекомендацій щодо застосування. В даній роботі ми аналізуємо відео експерименту отримання інтерференційної картини, з використанням інтерферометра Маха-Цендера.Досліджено реальні інтерференційні картини отриманні з відеозапису зйомки роботи інтерферометра Маха-Цендера. Проведено аналіз поведінки інтерференційних смуг вздовж осі Х та вздовж осі У. Визначені особливі ділянки та характеристики реального сигналу в перерізі інтерферограми. Згідно до отриманих результатів проведено сегментацію зображення. Визначена характерна поведінка в часі світла в цих сегментах. Визначили які сегменти найкращі та найгірші для аналізу та в який проміжок часу. popup.nrat_date 2025-11-05 Close