Пошук академічних текстів

Інформація × Реєстраційний номер 2123U001517, Матеріали видань та локальних репозитаріїв Категорія Стаття, Опубліковано, Рецензована стаття Назва роботи МЕТОДИКИ АВТОМАТИЧНОГО РОЗПІЗНАВАННЯ СКЛАДНИХ ОБ’ЄКТІВ ЗА ФОРМОЮ Автор Yermilova N.Zourab Y.Iermilov R.Yermilova N.Zourab Y.Iermilov R. Дата публікації 12-12-2023 Постачальник інформації Національний університет «Полтавська політехніка імені Юрія Кондратюка» Першоджерело https://journals.nupp.edu.ua/sunz/article/view/3159 Видання Національний університет «Полтавська політехніка імені Юрія Кондратюка» Опис Аналіз літературних джерел показує, що необхідність розпізнавання як великих, так і дрібних об’єктів є важливим напрямком розвитку сучасних систем технічного зору роботів та інших технічних засобів автоматизації, які повинні вміти за виміряними значеннями ознак розпізнати будь-який об'єкт, що потрапив у поле їхнього зору, віднести його до деякого класу, прийняти рішення та видати команду маніпуляторам робота. У статті розглядаються підходи до розпізнавання з наступною класифікацією дрібних об’єктів за такими ознаками, як коефіцієнт еліптичності та коефіцієнт складності форми. Виділивши ознаки та їх комбінації для ідентифікації подібних об'єктів, можна натренувати модель машинного навчання на розпізнавання необхідних типів закономірностей. Проведене порівняння методик вимірювання площ проекцій об’єктів, форма яких є близькою до прямокутної, об’єктів круглої форми, та об’єктів, які представляють собою довгу витягнуту фігуру складної форми. Зроблено оцінку точності вимірювання площі та периметрів складних фігур, визначені похибки вибраних значень радіусів малих об’єктів залежно від кроку квантування. Розглянута можливість розпізнавання об’єктів з використанням традиційних методів обробки зображень або сучасних мереж глибокого навчання: відкритої бібліотеки для роботи з алгоритмами комп’ютерного зору, машинним навчанням та обробкой зображень OpenCV, найновіших моделей розпізнавання SSD, R-FCN, Faster R-CNN, Mask R-CNN та YOLO, в архітектурі яких можна побачити багато покращень та досягнень у методологіях виявлення об'єктів. Показані переваги використання популярної моделі розпізнавання Faster R-CNN, що являє собою комбінацію між моделями RPN і Fast R-CNN, для швидкого розпізнавання дрібних об’єктів складної форми. Зроблено висновок, що автоматичні системи розпізнавання, які працюють за даною методикою, дозволяють досліджувати різноманітні об’єкти, відрізняються достатньо високою швидкодією, але у зв’язку зі складністю їх використання в реальному часі виправдане лише у тих випадках, коли ці об’єкти мають складну форму й не можуть бути розпізнані та класифіковані звичайними більш простими методами та засобами Додано в НРАТ 2026-04-19 Закрити