Найти

Результаты поиска

• РАСПРЕДЕЛЕННАЯ СИСТЕМА РАСПОЗНАВАНИЯ ШТРИХКОДОВ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕЙ

  А.Ю. Юрченко , М.Ю. Поленов

  70-79

  2025-10-01

  Аннотация ▼

  Представлена распределённая программно-аппаратная система для автоматизированного распознавания штрихкодов на движущихся объектах в условиях производственной среды. Целью исследования является разработка надёжного и адаптивного решения, обеспечивающего устойчивое считывание штрихкодов вне зависимости от положения, скорости или высоты объектов, перемещающихся по транспортной ленте. Основной акцент сделан не на максимальной скорости обработки, а на обеспечении широкого угла обзора и надёжности распознавания при движении объектов. В отличие от традиционных сканеров, требующих точного позиционирования и дорогостоящего оборудования, предложенное решение базируется на использовании одной сетевой камеры и сервера с нейросетевыми модулями обработки. Это делает систему более универсальной и доступной для широкого круга предприятий. Ключевым элементом архитектуры выступает нейросетевой модуль восстановления изображений, основанный на модели MPRNet, способной устранять размытие и оптические искажения в кадрах видеопотока. После этапа предобработки изображения поступают в модуль детекции объектов, построенный на базе архитектуры YOLO, адаптированной под задачи распознавания штрихкодов. Распознанные данные сохраняются в базе с использованием ORM-интерфейса, что обеспечивает гибкую интеграцию в существующие информационные системы. Для предотвращения потери кадров и обеспечения высокой пропускной способности используется система асинхронной обработки с применением потоков и буферизованных очередей. Актуальность исследования обусловлена широкой распространённостью штрихкодов как основного средства промышленной маркировки и необходимостью автоматизации процессов учёта и отслеживания продукции в условиях гибкого производства. Несмотря на наличие решений в области сканирования и компьютерного зрения, большинство из них не рассчитаны на работу с нестабильным или низкокачественным видеопотоком. Предложенная система демонстрирует устойчивость к ряду искажений и может быть реализована на бюджетном оборудовании, что открывает перспективы для её применения в промышленности, логистике и складском хозяйстве

• НЕЙРОКОМПЬЮТЕРНОЕ УПРАВЛЕНИЕ ПРОПУСКНОЙ СПОСОБНОСТЬЮ КАБЕЛЬНЫХ СЕТЕЙ ПОСРЕДСТВОМ УЧЕТА И КОНТРОЛЯ ИХ ПАРАМЕТРОВ

  Н.К. Полуянович , Н. В. Азаров , М.Н. Дубяго

  84-103

  2025-07-31

  Аннотация ▼

  Рассматривается нейрокомпьютерная система прогнозирования ресурса силовой ка-
  бельной линии (СКЛ) с использованием нейросетевых технологий. Выбрана аппаратная
  модульная реализация нейрокомпьютера (НК) реализованным на базе ПЛИС. Для решения
  задачи прогнозирования термических процессов СКЛ принято решение использовать циф-
  ровой нейрочип NeuroMatrix NM6404 с переменной структурой из-за их высокой произво-
  дительности по сравнению с потребляемой мощностью, высокой степенью универсальности. Для прогнозирования температурных режимов СКЛ была разработана искусственная
  нейросеть (ИНС) для определения текущего температурного режима для токоведущей
  жилы СКЛ. Выбрана архитектура ИНС для реализации НК системы прогнозирования
  температуры СКЛ, позволяющая производить долгосрочное прогнозирование температур
  СКЛ в режиме реального времени. Произведен выбор функции активации нейронов ИНС
  для реализации НК системы прогнозирования температуры СКЛ, позволяющий проводить
  долгосрочный прогноз температур СКЛ без увеличения погрешности при увеличении даль-
  ности прогноза. Предложенный нейросетевой алгоритм, выполняющий прогнозирование
  характеристик электрической изоляции СКЛ, основанный на методе скользящего окна для
  прогнозирования временных рядов, был апробирован на контрольной выборке эксперимен-
  тальных данных, не входящих в состав выборки для обучения ИНС. Проведены экспери-
  ментальные исследования предлагаемого адаптивного метода прогнозирования, а именно
  разработан адаптивный алгоритм и выполнено прогнозирование термических процессов в
  изоляции СКЛ от тока нагрузки. Анализ результатов показал, что чем больше время со-
  старивания, тем больше разность температур между исходным и состаренным образцом.
  При анализе полученных данных было определено, что максимально достигнутое отклоне-
  ние данных, полученных от ИНС в ходе эксперимента от данных в составе обучающей
  выборки, составило менее 3% что является вполне приемлемым для данного исследования
  результатом. Показано, что разрабатываемые методы и алгоритмы являются элемен-
  тами комплексной системы управления энергосетью, а разработанная адаптивная НК
  модель позволяет проводить оценку текущего состояния изоляции и прогнозировать ос-
  таточный ресурс СКЛ.

• СПОСОБ ИСПОЛЬЗОВАНИЯ СРЕДСТВ БЫСТРОГО ПРОТОТИПИРОВАНИЯ ДЛЯ РЕАЛИЗАЦИИ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ НА ПЛИС

  В.В. Бахчевников , В. А. Деркачев , А. Н. Бакуменко

  2020-10-11

  Аннотация ▼

  Исследования в области искусственного интеллекта ведутся с возрастающим и н-
  тересом с каждым годом. Области применения искусственного интеллекта довольно
  обширны: автоматизация, анализ большого объема данных, технологии умного дома,
  машинное зрение и т.д. Технологии искусственного интеллекта базируются на использ о-
  вании искусственных нейронных сетей, имеющие в своей основе принципы нервной сис-
  темы животных. При этом актуальным вопросом является реализация искусственных
  нейронных сетей на различных программно-аппаратных платформах: программируемых
  логических интегральных схемах (ПЛИС) типа FPGA (Field Programmable Gate Array), на
  интегральных схемах специального назначения (Application-Specific Integrated Circuit,
  ASIC), GPU, CPU и т.д. ПЛИС наилучшим образом проявляют себя в маломощных мо-
  бильных системах. ASIC демонстрируют наибольшую производительность с н едостат-
  ком: высокая цена разработки. Проблема быстрого прототипирования проектов, осн о-
  ванных на использовании искусственных нейронных сетей, для ПЛИС привычными мет о-
  дами (c помощью HDL-языков, HDL-кодеров, графического программирования) заключа-
  ется в том, что либо такой проект сложен и длителен в отладке (HDL-языки), либо не
  оптимален получающийся код (HDL-кодеры), либо высока длительность разработки
  проекта и сложность реконфигурации нейронной сети (графическое программирование).
  Поэтому в рамках данной работы рассматривается эффективный метод проектирова-
  ния полносвязных и сверточноых нейронных сетей для их реализации на ПЛИС использ о-
  ванием пакета Xilinx System Generator for DSP и Matlab/Simulink. Генерируемые таким
  образом искусственные нейросети легко реконфигурируемы и позволяют решать сле-
  дующие задачи: распознавание изображений, оптимальная фильтрация (например, для
  задач подповерхностной радиолокации).