📄Работа №131621
Тема: Контроль сохранности лесоматериалов при транспортировке с использованием компьютерного зрения
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Математические методы в экономике
Объем:
43 листов
Год:
2016
Просмотров:
128
4700
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Постановка задачи 5
Обзорлитературы 6
Глава 1. Структура алгоритма распознавания 7
1.1. Предобработка 7
1.2. Поиск окружностей на изображении 8
1.3. Постобработка. Шаг 1 10
1.4. Постобработка. Шаг 2 13
1.5. Постобработка. Шаг 3 14
Глава 2. Используемые алгоритмы 17
2.1. Приведение цветного изображение к полутоновому 17
2.2. Медианный фильтр 18
2.3. Свертка изображения с ядром 19
2.4. Фильтр Гаусса 19
2.5. Метод гамма-коррекции 21
2.6. Детектор границ Канни 23
2.7. Алгоритм Хафа для поиска окружностей 24
2.8. Цветовое пространство LAB 26
2.9. Сегментационный фрактальный анализ текстур 28
2.10. Метод опорных векторов 30
2.11. Кластеризация методом k-средних 31
2.12. Алгоритм DBSCAN 32
Глава 3. Программная реализация и результаты тестирования 35
Выводы 37
Заключение 38
Список литературы 39
Приложение 41
Постановка задачи 5
Обзорлитературы 6
Глава 1. Структура алгоритма распознавания 7
1.1. Предобработка 7
1.2. Поиск окружностей на изображении 8
1.3. Постобработка. Шаг 1 10
1.4. Постобработка. Шаг 2 13
1.5. Постобработка. Шаг 3 14
Глава 2. Используемые алгоритмы 17
2.1. Приведение цветного изображение к полутоновому 17
2.2. Медианный фильтр 18
2.3. Свертка изображения с ядром 19
2.4. Фильтр Гаусса 19
2.5. Метод гамма-коррекции 21
2.6. Детектор границ Канни 23
2.7. Алгоритм Хафа для поиска окружностей 24
2.8. Цветовое пространство LAB 26
2.9. Сегментационный фрактальный анализ текстур 28
2.10. Метод опорных векторов 30
2.11. Кластеризация методом k-средних 31
2.12. Алгоритм DBSCAN 32
Глава 3. Программная реализация и результаты тестирования 35
Выводы 37
Заключение 38
Список литературы 39
Приложение 41
📖 Введение
В ходе работы лесозаготавливающего предприятия возникает необходимость вести контроль качества перевозки древесины от мест вырубки до мест переработки. Это подразумевает под собой выявление фактов пропажи и подмены бревен в момент транспортировки. Данный процесс предлагается организовать следующим образом: делаются фотографии лесовоза сразу после загрузки и перед разгрузкой, эти фотографии сравниваются и по ним определяется наличие факта подмены или пропажи лесоматериалов в пути. Сравнение происходит за счет выявления и сопоставления особенностей торцов бревен. Программное обеспечение решающее эту задачу должно первым шагом находить торцы бревен на фотографиях, а затем сравнивать их.
В данной работе предложен алгоритм для решения первой части этой задачи, то есть для нахождения торцов бревен на изображении. Следует учитывать, что по одной фотографии анализируются только одна пачка бревен. Если на изображении видны бревна, не относящиеся к анализируемой пачке, то их не следует находить. Кроме того, алгоритмы анализа изображений не могут работать с абсолютной точностью, поэтому предполагается, что работать данная программа будет под контролем оператора, который будет иметь возможность исправлять ошибки. При этом работа по устранению этих ошибок будет занимать значительно меньшее время, чем сравнение фотографий в ручную. Таким образом, производительность человеческого труда существенно возрастет. Пример входного изображения приведен на рисунке 1.
Рис. 1: пример входного изображения.
В данной работе предложен алгоритм для решения первой части этой задачи, то есть для нахождения торцов бревен на изображении. Следует учитывать, что по одной фотографии анализируются только одна пачка бревен. Если на изображении видны бревна, не относящиеся к анализируемой пачке, то их не следует находить. Кроме того, алгоритмы анализа изображений не могут работать с абсолютной точностью, поэтому предполагается, что работать данная программа будет под контролем оператора, который будет иметь возможность исправлять ошибки. При этом работа по устранению этих ошибок будет занимать значительно меньшее время, чем сравнение фотографий в ручную. Таким образом, производительность человеческого труда существенно возрастет. Пример входного изображения приведен на рисунке 1.
Рис. 1: пример входного изображения.
✅ Заключение
В ходе данного исследования были достигнуты следующие результаты.
• Разработан алгоритм предобработки изображения, положительным образом влияющий на качество работы алгоритма распознавания образов.
• Предложено возможное решение для задачи машинного обучения с учителем, где объектами являлись фрагменты изображения. Был разработан алгоритм извлечения признаков из изображения. В ходе этой работы было предложено усовершенствование алгоритма сегментационного фрактального анализа.
• Предложено решение для задачи пространственной кластеризации с неизвестным количеством кластеров. Кроме того, объектами, которые подлежали кластеризации, были окружности. Для решения этой задачи был применен алгоритм DBSCAN, а так же предложена его модификация для работы с окружностями.
• Разработан алгоритм предобработки изображения, положительным образом влияющий на качество работы алгоритма распознавания образов.
• Предложено возможное решение для задачи машинного обучения с учителем, где объектами являлись фрагменты изображения. Был разработан алгоритм извлечения признаков из изображения. В ходе этой работы было предложено усовершенствование алгоритма сегментационного фрактального анализа.
• Предложено решение для задачи пространственной кластеризации с неизвестным количеством кластеров. Кроме того, объектами, которые подлежали кластеризации, были окружности. Для решения этой задачи был применен алгоритм DBSCAN, а так же предложена его модификация для работы с окружностями.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.