Для авторов
Найти
Результаты поиска
Найдено результатов: 10.
-
РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР, РАСТЕНИЙ И ЛЕСНЫХ МАССИВОВ
И. Б. Аббасов , Ратнадип Р. Дешмух2020-10-11Аннотация ▼Представлен обзор некоторых исследований по проблеме распознавания изображе-
ний сельскохозяйственных культур, растений и лесных массивов. В этих системах распо-
знавания изображений используются различные методы предварительной обработки,
компьютерного зрения, глубокого обучения. В последнее время увеличиваются системы
распознавания на основе мобильных устройств, что повышает их доступность и широкое
распространение. Рассмотрены статьи по распознаванию, классификации плодов и фрук-
тов в садах, создание банка данных этих аграрных продуктов (яблоки, груши, киви) для
оценки созревания и урожайности. Описаны работы посвященные автоматизации сбора
урожая зерновых культур на примере работы уборочного комбайна с применением машин-
ного зрения. Растениеводство играет важную роль при обеспечении кормов для животно-
водства, анализированы статьи по распознаванию сельскохозяйственных растений на
основе изображений листьев. Также по состоянию листьев картофельных кустов можно
определить их болезни, оценить состояние почвы. Приведены работы по разработке мо-
бильных систем контроля и распознавания процесса выращивания грибов на основе техно-
логии «зеленый дом» для фермерских хозяйств. С помощью дистанционной диагностики
можно анализировать и контролировать состояние поверхности суши и морей. Для дис-
танционного экологического мониторинга ландшафта земной поверхности описаны рабо-
ты по распознаванию, классификации лесных массивов, водных ресурсов с применением
гиперспектрального анализа спутниковых изображений. -
МЕТОД ВЫЧИСЛЕНИЯ КРИПТОГРАФИЧЕСКИХ КЛЮЧЕЙ ИЗ БИОМЕТРИЧЕСКИХ ДАННЫХ ЛИЦА НА ОСНОВЕ УСТОЙЧИВЫХ ПРЕОБРАЗОВАНИЙ
И.В. Калиберда36-522025-11-10Аннотация ▼Рассматривается задача преобразования биометрических данных лица в криптографические ключи, обеспечивающие высокий уровень защищённости. Биометрические данные, хотя и уникальные, не обладают достаточной случайностью для создания сильных криптографических ключей. Кроме того, возникают вопросы хранения ключей: злоумышленник может похитить их шаблон, а при малейшем изменении входных данных (другое освещение, мимика) создаётся риск несоответствия, что приводит к высокому уровню частоты ложных отбраковок. В качестве решения предлагается метод генерации криптографических ключей, объединяющий несколько ключевых технологий для обеспечения эффективности и безопасности процесса создания ключей. Дано описание основных этапов метода, включающих получение изображения лица, обработку изображения, анализ изображения с извлечением необходимых признаков с помощью сверточной нейронной сети, преобразование изображения (вектора признаков) в двоичную строку, устойчивые преобразования. Устойчивые преобразования призваны в качестве методик, направленных на защиту биометрических данных: использование корректирующих кодов Reed-Solomon, генерацию биометрически зависимого ключа, с последующим распределением его на части по классической схеме Шамира, шифрование. Проведено теоретическое обоснование преимущества такого подхода в контексте уменьшения вероятности ложных допусков и ложных отклонений. Представлены результаты экспериментов на базе публичных наборов данных. Показано, что по сравнению с классическими методами и некоторыми существующими схемами без коррекции ошибок предлагаемое решение даёт более высокую точность. Представленный метод дает существенные преимущества в области безопасности, делая криптографические системы более подходящими для приложений с высоким уровнем безопасности
-
РАСПОЗНАВАНИЕ И АДАПТИВНАЯ ГЕНЕРАЦИЯ ПСЕВДОСЛУЧАЙНЫХ ТЕСТОВ ПОСЛЕДОВАТЕЛЬНОСТНЫХ ЦИФРОВЫХ УСТРОЙСТВ
Ю.Е. Зинченко , Т. А. Зинченко189-2042025-11-10Аннотация ▼Целью статьи является повышение эффективности псевдослучайного тестирования цифровых устройств по сравнению с общепринятым традиционным подходом. Для достижения поставленной цели в работе решаются следующие основные задачи: анализ эффективности традиционных подходов тестирования; разработка нового подхода тестирования на базе распознавания и адаптивного псевдослучайного тестирования цифровых устройств; разработка системы тестирования на базе разработанных подходов и экспериментальные исследования на ее основе.
В качестве объекта диагностики в данной работе выступают последовательностные (с элементами памяти) цифровые устройства, выполненные в виде типовых элементов замены на микросхемах средней и малой степени интеграции. В качестве моделей неисправностей при синтезе и анализе тестов используются константные неисправности. Предметом исследований выступают последовательностные цифровые устройства как объекты диагностики и подходы их псевдослучайного тестирования. В работе представляется подход распознавания и тестирования последовательностных цифровых устройств, который базируется на сочетании традиционного псевдослучайного тестирования на первом этапе с «распознаванием объекта диагностики» и построении «альтернативного графа объекта» на втором этапе с последующим «блужданием» по этому графу с целью повышения эффективности тестирования. На базе предложенного подхода разработана система тестирования цифровых устройств AGAT. Тестирование в системе может выполняться как для одного, так и группы объектов диагностики на одном либо группе персональных компьютеров в локальной компьютерной сети, при этом учитывается «многопоточность» на основе многоядерных процессоров персональных компьютеров сети. Выполняются экспериментальные исследования предложенного подхода и системы AGAT на двух типах объектов диагностики: международном наборе экспериментальных схем ISCAS’89 и наборе типовых элементов замены специализированной радиотехнической системы -
РАСПРЕДЕЛЕННАЯ СИСТЕМА РАСПОЗНАВАНИЯ ШТРИХКОДОВ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕЙ
А.Ю. Юрченко , М.Ю. Поленов70-792025-10-01Аннотация ▼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
-
СИСТЕМА АВТОМАТИЗАЦИИ ДОКУМЕНТООБОРОТА И МОНИТОРИНГА ИНЦИДЕНТОВ ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ НА ОСНОВЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
А.Е. Анпилогова , В.А. Анпилогов31-412025-07-24Аннотация ▼Автоматизация документооборота - ключевой элемент оптимизации процессов и повышения эффективности. Автоматизация документооборота на базе искусственного интеллекта улучшает управление инцидентами экономической безопасности, оптимизируя рабочие процессы и снижая затраты. Переход на автоматизированный документооборот в России связан со сложной нормативно-правовой базой и масштабными затратами на внедрение на предприятиях. Автоматизация помогает соблюдать требования законодательства и снижает риски юридических и финансовых последствий. Интеграция цифровых подписей повышает эффективность утверждения документов. Внедрение систем автоматизации поддерживает национальные цели цифровой трансформации. Автоматизация документооборота сокращает зависимость от бумажных процессов и способствует созданию централизованных цифровых хранилищ. Внедрение систем автоматизации документооборота требует стратегического подхода и тщательного планирования. Автоматизация документооборота обеспечивает экономию времени, сокращение ошибок и повышение соответствия нормативным стандартам. В статье рассмотрены теоретические основы BPM, интеграция цифровых технологий и нормативные аспекты, специфичные для России. Предложенная система сочетает мониторинг с ИИ и IoT, обеспечивает обработку данных в реальном времени, автоматизирует создание юридических документов и отчетов. Система автоматизации рабочих процессов базируется на интеграции данных, технологиях искусственного интеллекта и seamless-решениях. Система объединяет технологии мониторинга, алгоритмы распознавания лиц и анализа поведения, централизованную базу данных и модуль связи. Система формирует отчеты и юридические документы, заверенные QES, и обеспечивает взаимодействие с правоохранительными органами и службами безопасности. Результаты внедрения: снижение операционных расходов на 30–40% и уменьшение потерь на 50%. Система соответствует стандартам цифровой трансформации и поддерживает модернизацию национальной экономики
-
АЛГОРИТМ ПОДГОТОВКИ ДАННЫХ ОБУЧЕНИЯ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РАСПОЗНАВАНИЯ БУКВ И СИМВОЛОВ
Д.А. Безуглов , М.С. Мищенко , С.Е. Мищенко134-1442025-07-24Аннотация ▼Точность распознавания текстовых изображений на практике остается ограниченной. Это связано с тем, что в алфавит символов могут входить строчные и прописные буквы со схожим начертанием, а также составные символы, образованные из нескольких более простых символов. Для решения этой проблемы систему распознавания символов дополняют системами семантического или структурного анализа, что существенно усложняет информационную систему для распознавания текста. В настоящее время для распознавания одиночных символов широко применяют сверточные нейронные сети, для обучения которых используют базу данных с изображениями распознаваемых символов. В работе предложен алгоритм, отличающийся тем, что в изображение одиночного символа для обучающей выборки включают фрагменты символов, которые могут быть расположены в строке в непосредственной близости от распознаваемого символа. Формирование изображений для обучающей выборки имитирует процесс сегментации символа по яркости, который обычно используют при выделении символа для дальнейшего распознавания. При этом оценивают размеры символа, дополняют его изображениями соседних символов, а затем оценивают размеры области, изображения, которое будет помещено в обучающую выборку. Полученное изображение масштабируют и обрезают таким образом, чтобы на вход нейронной сети поступали изображения заданного размера. В работе для распознавания алфавита символов, включающего прописные и строчные символы русского и английского алфавитов, цифры, символы и знаки препинания предложено использовать множество сверточных нейронных сетей, каждая из которых обучена распознавать один символ. Выбор символа осуществляется путем сравнения откликов всех нейронных сетей и выбора максимального отклика. Проведено сравнение предложенного алгоритма подготовки данных для обучения с известным алгоритмом, основанным на использовании изображений одиночных символов. Установлено, что предложенный алгоритм подготовки данных для обучения обеспечивает повышение точности распознавания алфавита из 138 символов более, чем в два раза.
-
АНАЛИЗ ТРЕБОВАНИЙ И РАЗРАБОТКА АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНЫХ СЕРВИСОВ МОНИТОРИНГА
М.С. Анферова , А.М. Белевцев2022-08-09Аннотация ▼Рассмотрены проблемы стратегического анализа и выбора направлений развития инно-
вационных предприятий в условиях перехода к 6 технологическому укладу и индустрии 4.0. Оп-
ределены основные уровни анализа. Обозначены цели стратегического анализа исходя из мас-
штаба проводимого исследования. Выделены задачи анализа, решение которых позволит дос-
тичь поставленных целей. Показана сложность решения задач глобального мониторинга, ко-
торые обусловлены большим объемом разнородной и неструктурированной информации.
В этих условиях тематический поиск и аналитическая обработка информации не могут быть
выполнены без применения автоматизированных информационно-аналитических систем и соз-
дания поисковых сервисов на базе искусственного интеллекта. Предложена общая процедура
мониторинга. Определены основные этапы мониторинга технологических трендов, показаны
задачи, решаемые в рамках конкретного этапа и планируемый результат. На основе общей
процедуры мониторинга определены основные приоритетные функции, которыми должны
обладать разрабатываемые сервисы. А также проблемы их разработки и структуризация
полученной информации в виде информационных объектов и кластеризация документов. В от-
личие от известных систем глобального мониторинга, в которых поиск основан на индикато-
рах: рост использования ключевых слов, увеличение численности новых авторов, цитирование
работ из смежных областей. Предложены алгоритмы, обеспечивающие определение опорных
тем, оценку ранжирования и релевантности информации. Дано описание работы алгоритмов
на примере создания сводной информационной таблицы, с помощью которой происходит фор-
мирование взаимосвязей документов научно-технологического развития по заданному направ-
лению мониторинга и поиск конкретных документов в базе данных. Построение поисковых
сервисов на основе представленных алгоритмов обеспечит выделение опорных тем докумен-
тов, предоставит более достоверные результаты кластеризации неструктурированной ин-
формации и формирования научно-технологических трендов, в информационно-аналитических
комплексах. Для реализации алгоритма предлагается использовать язык программирования
Python. Внедрение данных алгоритмов повысит качество и эффективность информационного
поиска в условиях большого объёма неструктурированной информации. -
АЛГОРИТМ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ОБНАРУЖЕНИЯ МАЛОРАЗМЕРНЫХ ОБРАЗОВ
В. В. Ковалев , Н. Е. Сергеев2021-12-24Аннотация ▼Распознавание определенных образов в видеоизображениях, снятой камерой, осуще-
ствляется с помощью методов обучения на основе сверточных нейронных сетей. Чем
больше количество образов с множеством признаков и разнообразнее обучающая выборка
видеоизображений, тем лучше сверточные нейронные сети извлекают признаки из после-
довательности видеоизображений, которые не были включены в обучающую выборку. Это
является следствием повышения точности обнаружения визуальных образов на видеоизоб-
ражениях, содержащих признаки целевых образов. Однако, существуют ограничения в
улучшении характеристик обнаружения, когда размеры образа, который нужно обнару-
жить, значительно меньше, чем область фона или, когда образ описан малым количеством
информации. Для решения проблем подобного рода авторами статьи разработан алго-
ритм пространственно-временного комплексирования информации о движении динамиче-
ских образов. Алгоритм обрабатывает фиксированное количество видеоизображений в
определенные моменты времени и извлекает новые независимые признаки движения дина-
мических образов на основе пространственно-временной обработки видеоизображений.
Далее объединяет новые локальные признаки движения с исходными признакам видеоизоб-
ражения. Это позволяет добавить признак движения динамических образов с сохранением
исходных признаков изображения, описывающих статичные образы. Области видеоизоб-
ражения, характеризующие признак движения, отображаются «цветным» кластером.
Применение предварительной обработки направлено на повышение точности обнаруже-
ния образов при условии наличия динамических визуальных образов на статичном заднем
фоне. Если камера работает в режиме сканирования, то статичный задний фон можно
обеспечить стабилизатором видеоизображений. Экспериментальным путем получены
оценки интегральных критериев точности детекционных нейросетевых алгоритмов, пока-
зывающие увеличение в точности обнаружения визуальных образов с применением алго-
ритма пространственно-временного комплексирования информации о движении. -
РАЗРАБОТКА АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНОГО СЕРВИСА ПОИСКА И МОНИТОРИНГА ИНФОРМАЦИИ
М. С. Анферова, А.М. Белевцев2021-08-11Аннотация ▼Описана проблема стратегического анализа и выбора направлений развития инноваци-
онного предприятия в условиях перехода к 6 технологическому укладу и индустрии 4.0. В дан-
ных условиях поисково-аналитическая обработка информации не может быть полноценно
выполнена без применения автоматизированных информационно-аналитических систем, в
том числе и на базе искусственного интеллекта. В ходе анализа были определены основные
приоритетные функции, которые должны обеспечивать разрабатываемые сервисы. Обо-
значены основные трудности при разработке данных сервисов, такие как: предварительная
обработка данных и автоматизированная проверка актуальности баз данных. Для эффек-
тивного решения поставленных задач сервис интеллектуального мониторинга и поиска ин-
формации должен использовать комплексный подход с учетом эффективности применения
методов для отдельных подзадач, обеспечивать высокую эффективность реализации всех
этапов процедуры интеллектуального мониторинга. В связи с этим в данной работе описы-
вается не только разработка общего интеллектуального поискового алгоритма, но и от-
дельные блок-алгоритмы, необходимые для обеспечения приоритетных функций разрабаты-
ваемого сервиса. В работе представлены следующие алгоритмы: алгоритм информационного
поиска, необходимый для решения задачи полнотекстового поиска документов в пределах
базы информационных ресурсов информационно-аналитического комплекса; алгоритм про-
цедуры внесения новых документов; алгоритм предварительной обработки данных, выклю-
чающий в себя стемминг и удаление знаков препинания для последующего анализа текста;
алгоритм оценки ранжирования и релевантности информации, включающий в себя вектори-
зацию документов; алгоритм кластеризации результатов поиска информации на основе ней-
ронной сети Кохонена; алгоритм проверки актуальности информации -проверка соответст-
вия локальной копии документа актуальной версии на веб-ресурсе источника. Предложен и
обоснован язык программирования Python для реализации представленного алгоритма. Сис-
тема обеспечивает автоматизированный непрерывный мониторинг с высокой периодично-
стью отправки запроса без участия оператора, что повысит качество и эффективность
информационного поиска в условиях большого объёма неструктурированной информации -
НЕЙРОСЕТЕВОЙ АЛГОРИТМ ПОЛНОКАДРОВОГО РАСПОЗНАВАНИЯ НАДВОДНЫХ ОБЪЕКТОВ В РЕАЛЬНОМ ВРЕМЕНИ
В. А. Тупиков, В. А. Павлова, В. А. Бондаренко, Н. Г. Холод2020-07-10Аннотация ▼Исследованы современные нейросетевые архитектуры для осуществления автома-тического обнаружения и распознавания надводных объектов и препятствий заданных классов по всей области изображения, применимые к выполнению в реальном или условно реальном времени для задач оптоэлектронной системы технического зрения с целью ав-томатизации и повышения безопасности гражданского судовождения. Дана формальная постановка задачи автоматического обнаружения объектов на изображениях. Проанали-зирован текущий научно-исследовательский задел в области алгоритмов детектирования объектов на изображениях, основанных на искусственных свёрточных нейронных сетях, произведено их сравнение и сделан обоснованный выбор в пользу наиболее эффективной нейросетевой архитектуры по соотношению вычислительной сложности и точности распознавания. Исследованы имеющиеся в открытом доступе базы данных образов над-водных объектов, подходящие для применения при обучении алгоритмов с использованием искусственных нейронных сетей. Сделан вывод о недостаточности имеющихся данных для обучения нейросетевых алгоритмов, в результате чего авторами выполнен самостоятель-ный сбор исследовательских изображений и видеопоследовательностей, произведена под-готовка и разметка собранных данных, содержащих надводные объекты и иные препят-ствия, представляющие навигационную опасность для судов. На основе выбранной архи-тектуры разработан новый нейросетевой алгоритм автоматического обнаружения и распознавания надводных объектов, выполняемого по всей области изображения (т.е. пол-нокадрового), выполнено обучение искусственной нейронной сети по подготовленной базе данных образов типовых объектов. Полученный алгоритм протестирован авторами на валидационном наборе данных, произведена оценка качества его работы с помощью различных метрик, а также оценена производительность алгоритма. Сделаны выводы о необходимости расширения собранной базы данных образов типовых объектов, предложены дальнейшие шаги по повышению точности разработанного программно-алгоритмического комплекса и его внедрению в состав перспективной судовой оптоэлектронной системы технического зрения.
1 - 10 из 10 результатов
