Оглавление
ВВЕДЕНИЕ 4
1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ МАШИННОГО ЗРЕНИЯ,
РАСПОЗНАВАНИЯ ОБРАЗОВ И МАШИННОГО ОБУЧЕНИЯ 6
1.1. Машинное зрение 6
1.2. Распознавание образов с помощью искусственных нейронных
сетей 9
1.2.1. Сети прямого распространения 11
1.2.2. Рекуррентные нейронные сети 11
1.2.3. Сверточные нейронные сети 12
1.3. Машинное обучение 14
1.4. Проблемы машинного зрения в автоматизации 16
1.5. Обзор существующих испытательных систем 17
1.5.1. ООО «Витэк-Автоматика» 18
1.5.2. «GOEPEL Electronic» 20
1.6. Обоснование необходимости разработки методики испытаний с
применением технологий машинного зрения 21
1.7. Выводы по разделу 23
2. ПРОЕКТИРОВАНИЕ СИСТЕМЫ ИСПЫТАНИЙ ПРОГРАММНОГО
ОБЕСПЕЧЕНИЯ КОМБИНАЦИИ ПРИБОРОВ 24
2.1. Концептуальная модель системы испытаний 24
2.2. Функциональное моделирование предметной области с
использованием методологии IDEF 25
2.3. Описание модели с использованием методологии UML 30
2.4. Общая схема разработки проекта, ее архитектура 31
2.5. Аппаратная структура 32
2.6. Используемые программные инструменты 33
2.6.1. Библиотека компьютерного зрения OpenCV 36
2.6.2. Система обнаружения объектов YOLO 37
2.7. Оценки производительности и точности 38
2.7.1. Точность и полнота 39
2.7.2. Пересечение по объединению 39
2.8. Выводы по разделу 40
3. РАЗРАБОТКА МЕТОДИКИ ИСПЫТАНИЙ ПРОГРАММНОГО
ОБЕСПЕЧЕНИЯ КОМБИНАЦИИ ПРИБОРОВ 42
3.1. Выбор базы изображений 42
3.2. Формирование примеров для обучающей выборки 43
3.3. Реализация машинного обучения 44
3.4. Методика проведения экспериментов 47
3.5. Оценка эффективности разработанной методики 48
3.6. Выводы по разделу 49
4. ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ 51
4.1. Понятие информационной безопасности 51
4.2. Виды информационных рисков и методы защиты от них 52
4.2.1. Инструментарий базового уровня 57
4.2.2. Средства полного анализа рисков 58
4.3. Расчет уровня уязвимости системы и вероятности возникновения
информационных угроз 61
4.4. Перечень контрмер и расчет их эффективности 63
4.5. Выводы по разделу 65
5. ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ РАЗРАБОТКИ 66
Выводы по разделу 73
ЗАКЛЮЧЕНИЕ 74
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 75


Купить

Одними из важнейших областей исследований и разработок современных информационных систем являются области машинного зрения, машинного обучения и распознавания. Развитие интернета вещей и систем искусственного интеллекта определяют этой области особое место в современном научном знании.
На данный момент проблема выделения необходимого объекта на изображении является весьма актуальной. Она решается при разработке систем автопилота на автомобилях, роботов, систем определения брака деталей на конвейерной линии, систем мониторинга потока людей, автомобилей. Об актуальности задачи распознавания говорит и возрастающий интерес к проблематике со стороны как ведущих мировых университетов, например, Berkley, Oxford, MIT, так и коммерческих гигантов таких как, Google, Amazon, Microsoft, IBM, Intel, Facebook, Nvidia, Яндекс. Они разрабатывают проекты включающие облачные сервисы, библиотеки, API, технические средства решения проблем распознавания и др. Бесплатный характер большинства из них, отчасти говорит об отсутствии готовых программ к решению проблем распознавания и об отсутствии универсальных решений. Благодаря научным исследованиям имеются лишь рекомендации и практические результаты применения некоторых методов и алгоритмов.
Основной причиной разработки методики испытаний программного обеспечения комбинации приборов с использованием технологий машинного зрения стала конкуренция с мировыми производителями автомобильной техники, что позволит заменить интеллектуальный труд человека машинным и обоснованное распределение функций между человеком и компьютером в процессе управления технологией приведет к повышению эффективности проводимых испытаний и качества принимаемых решений.
Главной проблемой в реализации вышеуказанной интеллектуальной системы является создание эффективного алгоритма, который сможет справиться с поставленной задачей и будет выполнять её.
Целью данной работы является разработка методики испытаний программного обеспечения комбинации приборов путем применения алгоритма для распознавания индикаторов заданного цвета и формы (аналоговые и цифровые индикаторы, стрелочные приборы). Алгоритм предназначен для поиска объектов на видеопотоке в реальном времени (выделение объекта, идентификация объекта по априорным признакам, слежение за перемещением объекта) и выдавать результаты обнаружения по цифровому каналу.
Для достижения поставленной цели в рамках данной магистерской диссертации необходимо решить следующие задачи:
• проанализировать основные принципы и существующие методы решения задач машинного обучения, распознавания образов и машинного зрения, провести анализ существующих алгоритмов и реализаций распознавания;
• разработать собственный алгоритм на основе уже существующих;
• обучить классификатор с использованием моделей;
• провести испытания предложенной подсистемы распознавания с использованием моделей;
• оценить эффективности разработанной методики;
• оценить потенциальный экономический эффект.
Научной новизной данной работы можно назвать применение моделей сверточных нейронных сетей и алгоритмов машинного зрения для распознавания индикаторов заданного цвета и формы комбинации приборов на видеопотоке в реальном времени.

Купить