Тема: СИСТЕМА АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ СПЕЦИФИКАЦИИ РЕЗИСТОРА
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.
📋 Содержание
1 Система автоматического распознавания спецификации резистора 6
1.1 Общая информация о резисторах 6
1.2 Маркировка резисторов 7
1.3 Аналоги автоматического распознавания номинала резистора 10
2 Алгоритмическая и программная реализация интеллектуальной системы распознавания спецификации резистора на мобильной платформе 13
2.1 Определение местоположения фото 13
2.2 Определение границ резистора 18
2.3 Корректное определение цвета пикселя 21
2.4 Выделение полос резистора 32
2.5 Сборка в единый проект 33
3 Тестирование системы распознавания 37
3.1 Тест работы решения 37
3.2 Сравнение с другими решениями 39
3.3 Сфера применения разработанной системы 40
Заключение 41
Список использованных источников 42
Приложение А Структура нейронной сети 44
Приложение Б Скрипты предлагаемого решения 45
📖 Введение
Машинное зрение — это научное направление в области искусственного интеллекта, в частности робототехники, и связанные с ним технологии получения изображений объектов реального мира, их обработки и использования полученных данных для решения разного рода прикладных задач без участия (полного или частичного) человека [1].
Машинное зрение решает следующие задачи:
- идентификация;
- обнаружение;
- распознавание текста;
- восстановление сцены;
- восстановление изображений;
- выделение на изображениях структур определенного вида, сегментация изображений;
- анализ оптического потока;
- восстановление 3D формы по 2D изображениям;
- оценка движения.
Технологии машинного зрения используются в многих востребованных областях науки и техники, таких как автоматизация процессов, военные технологии, оптимизация технологического процесса, повышение качества выпускаемых изделий, контроль производственного оборудования, интеллектуальные робототехнические комплексы, системы управления движущимися аппаратами, и множество других. Также технология машинного зрения требуется в сфере проверки печатных плат, диагностики и ремонта различной электроники.
Целью выпускной квалификационной работы является разработка системы автоматического распознавания номинала резистора с помощью машинного зрения используя последовательность цветной маркировки.
Для выполнения цели были поставлены следующие задачи:
1) анализ предметной области;
2) разработка telegram бота;
3) переобучение нейросети для определения резистора;
4) разработка алгоритма обрезки резистора;
5) разработка алгоритма выделения цветных полос;
6) разработка алгоритма определения цвета;
7) разработка алгоритма определения номинала резистора.
Объектом разработки является система автоматического распознавания спецификации резистора.
Предметом разработки является мобильная система автоматического распознавания спецификации резистора с помощью технологий машинного зрения.
✅ Заключение
С помощью открытой библиотеки Tensorflow была переобучена нейронная сеть модели ssdlite_mobilenet_v2_coco с 95% точностью нахождения резистора.
Были разработаны алгоритмы для выделения образа резистора с общей фотографии с помощью библиотек PIL, OpenCV2.
Также был разработан алгоритм идентификации цвета полос резистора с фотографии с помощью цветового пространства CIE lab и формулы цветового отличия.
Для презентации проекта был разработан telegram бот с названием @resistor_scanner_bot.
Все скрипты для проекта были написаны на языке Python версии 3.8.
Проект был выложен на веб-хостинге для IT-проектов Github для дальнейшего бесплатного распространения.
Таким образом, все задачи, поставленные в ходе выпускной квалификационной работы, были решены и цель работы достигнута.





