ВВЕДЕНИЕ 3
ГЛАВА I. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 5
1.1 Анализ существующих способов детектирования дыма и фиксирования
возгорания 5
1.2 Обзор коммерческих программных комплексов по детектированию дыма 7
1.3 Анализ алгоритмов детектирования дыма 9
1.4 Основные сведения о нейронных сетях 12
1.5 Возможности языка Python для реализации приложений на основе
нейронных сетей 15
ГЛАВА II. РАЗРАБОТКА ПРИЛОЖЕНИЯ ПО ОБНАРУЖЕНИЮ ДЫМА . 21
2.1. Реализация обучения, проект «training» 21
2.2. Проект «main» 23
2.3. Проекты «detection» и «testing» 25
2.4. Проекты «imagePreparation» и «stream» 27
2.5. Примеры результатов работы программы 28
2.6. Случаи некорректного срабатывания программы 30
ЗАКЛЮЧЕНИЕ 33
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 34
Приложение
Актуальность. Во все времена пожар представлял собой огромную угрозу для человека. В связи с увеличением плотности населения в городской среде и возросшим риском техногенных аварий неконтролируемый огонь стал представлять повышенную опасность, а масштаб разрушений и последствий перешел на значительно более высокий уровень. Известно, что основные поражающие факторы пожара -это открытый огонь, повышенная температура, а также обильное выделение дыма. Они же служат основными признаками возгорания, причем выделение дыма- самым характерным. Поэтому обнаружение дыма на ранних стадиях является важной задачей, которая имеет практическое значение по защите человека в различных сферах жизни и деятельности.Использование системы автоматического визуального обнаружения дыма на фото- или видеоизображении может быть эффективно в тех местах, где установка пожарных датчиков невозможна или экономически не-выгодна.
Цель. Целью дипломной работы является разработка и создание приложения, с помощью которого можно было бы отслеживать появления дыма на фото-, видеозаписях средствами Keras, свёрточной нейронной сети VGG- 16 на основе TensorFlow в среде программирования Python.
Для достижения цели работы ставятся следующие задачи:
1) Изучить библиотеку алгоритмов компьютерного зрения OpenCV;
2) Изучить открытую нейросетевую библиотеку Keras, написанную на языке Python;
3) Изучить одну из моделей глубокого изучения- свёрточную нейронную сеть VGG-16;
4) Обучить нейронную сеть на наборе данных;
5) Реализовать программу.
Структура работы. Квалификационная работа состоит из введения, двух глав, заключения, списка использованной литературы и приложений. В
первой главе описан необходимый теоретический материал. Приводятся со-временные средства детектирования дыма, а также существующие программные продукты и алгоритмы. Во второй главе описано создание приложения. Код программы приведен в приложении. В заключении подводятся краткие итоги исследования.
Выпускная квалификационная работа была посвящена анализу средств детектирования дыма, алгоритмов его автоматического распознавания на фото-, видеоматериалах, изучению возможностей нейронных сетей для детектирования дыма на фотоизображениях и созданию приложения по его распознаванию.
В ходе решения цели по обучению нейронных сетей была изучены литература и Интернет-ресурсы по этой теме, свёрточная нейронная сеть VGG- 16 и инструменты языка программирования Python.
Разработанная программа имеет определенную практическую ценность, так как значительно упрощает мониторинг возгорания, позволяя автоматически определять наличие дыма на изображении и сигнализировать об этом. Но ввиду неоднозначных ситуаций конечное решение по вызову пожарных служб должно оставаться за оператором.
