Пошук академічних текстів

Інформація × Реєстраційний номер 0825U003085, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 15-09-2025 Статус Запланована Назва роботи Застосування комп'ютерного зору до інфрачервоних та терагерцових систем Здобувач Ковбаса Микола Юрійович, Керівник Голенков Олександр Геннадійович Опонент Боровицький Володимир Миколайович Опонент Будник Микола Миколайович Рецензент Цибрій Зіновія Федорівна Рецензент Свеженцова Катерина Віталіївна Опис Сфера комп’ютерного зору розвивається надзвичайно динамічно, охоплюючи дедалі ширший спектр застосувань, – від промислового контролю якості до систем безпеки й медицини. Окрему увагу привертають методи аналізу зображень в інфрачервоному (ІЧ) та терагерцовому (ТГц) діапазонах, адже вони дають змогу виявляти ознаки, недоступні для оптичних систем видимого діапазону спектра, і забезпечують високу проникність випромінювання через різні матеріали. Утім, у науковій літературі бракує досліджень, які б комплексно розкривали аспекти детектування й аналізу об’єктів на основі даних із ТГц-сканера, особливо в поєднанні з глибинним машинним навчанням. Увага також приділена автоматизованому детектуванню об’єктів на знімках ІЧ-камери. Низька просторова роздільна здатність і притаманні ТГц-зображенням шуми ускладнюють застосування класичних методів обробки, тож у роботі розглянуто глибинні нейронні мережі для детектування об’єктів у ТГц- та ІЧ-діапазонах. Окрім того, продемонстровано методику підвищення просторової роздільної здатності отриманих ТГц-знімків, що додатково підсилює ефективність запропонованого підходу. Для досліджень використовувався лінійчатий 160-ти елементний приймач 140 ГГц випромінювання з детекторами на основі кремнієвих польових транзисторів з 1 мм кроком між елементами та виготовлених за 350 нм інтегральною технологією, що дає можливість працювати системі в режимі дифракційних обмежень. Метою дослідження є автоматизація розпізнавання ТГц- та ІЧ- зображень з використанням алгоритмів нейронних мереж, демонстрація універсальності підходів комп’ютерного зору до ТГц- та ІЧ-систем та покращення просторової роздільної здатності для ТГц-системи враховуючи її фізичні властивості, практична апробація результатів дослідження. Наукова новизна отриманих результатів полягає в такому: Вперше продемонстровано автоматичне детектування різноманітних об’єктів в ТГц-діапазоні спектру на частоті 0.14 ТГц та в реальному масштабі часу з використанням алгоритмів нейромереж MobileNet, RCNN, YOLOv8 розроблених для роботи у видимому діапазоні спектра. Точність детектування (AUC-PR) об’єктів із розмірами >5 мм складає 95.5 % в експериментах зі сканером на частоті випромінювання 0.14 ТГц, динамічним діапазоном 35 дБ та швидкістю конвеєрної стрічки 200 мм/с. Представлений набір даних з 926 ТГц-знімків розміром 800х160 пікселів який було конвертовано в 5000 зображень розміром 200х160 пікселів для задач детектування. Набір даних містить наступні об’єкти: пігулки розміром від 5 до 10 мм, запаковані пігулки, леза, запальнички, пластикові картки, металеві ножі. Показано можливості з використання однакових алгоритмів нейронних мереж для детектування в ІЧ- та ТГц-діапазонах, що формує основу для автоматизованого об’єднання інформації, отриманої в цих діапазонах та поглибленого аналізу об’єктів спостереження. Продемонстровано підвищення якості ТГц-зображень на частоті 0.14 ТГц за допомогою алгоритму деконволюційного фільтру. Проведені експерименти показали, що запропонований алгоритм зменшує дифракційне розмиття та підсилює дрібні деталі об’єкту. По рівню 0.72 Contrast Transfer Function (CTF) деталізація поліпшується від 0.06 пар ліній на мм у необробленому знімку до 0.29 пар ліній на мм після деконволюційного фільтра. Особистий внесок здобувача полягає в такому: Брав участь в розробці 0.14 ТГц-сканера, зокрема був залучений до підбору окремих компонентів скануючої системи, вимірюванні діаграм направленості джерел випромінювання та удосконаленні коду програми для отримання та обробки знімків зі сканера. Створення коду програми в середовищі розробки Python для імплементації алгоритмів нейронних мереж. Вибір моделей нейронних мереж, їх тренування, валідація для завдань із детектування об’єктів на знімках з ТГц-сканера та ІЧ-камери. Проведення експериментів зі збору, розмітки та підготовки набору даних, отриманих за допомогою ТГц-сканера та ІЧ-камери. Проведення експериментів із вимірів функції розсіювання точки для різних джерел та розробка алгоритму застосування деконволюційного фільтра для покращення роздільної здатності ТГц зображень. Практичне значення отриманих результатів полягає у подальшій можливості створення систем для аналізу та розпізнавання ІЧ- і ТГц-зображень. Отримані результати можуть бути застосовані у промисловому контролі якості для швидкого виявлення дефектів та прихованих об’єктів у готовій продукції (наприклад вирішити проблему детектування сторонніх неметалічних предметів); у системах безпеки, митного огляду та поштових служб для автоматизованого розпізнавання потенційно небезпечних предметів у посилках та легкому багажі; в інтегрованих автоматизованих системах аналізу для моніторингу в реальному часі як допоміжне джерело інформації до рентгенівського, інфрачервоного та видимого діапазонів спектру. Дата реєстрації 2025-07-22 Додано в НРАТ 2025-07-22 Закрити