Для авторов
Найти
Результаты поиска
Найдено результатов: 8.
-
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. -
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ТЕХНИЧЕСКОГО ЗРЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ ПРЕПЯТСТВИЙ И ПРЕДСКАЗАНИЯ ПОВЕДЕНИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ НА ЖЕЛЕЗНОДОРОЖНЫХ ПУТЯХ
Д.Л. Шишков , М.Н. Зарипов , Р.А. Горбачев2022-04-21Аннотация ▼В настоящее время повышение качества предоставляемых транспортных и логи-
стических услуг напрямую связано с внедрением новых и модернизацией существующих
технологий информатизации и цифровизации. Одной из наиболее актуальных задач, ре-
шаемых с помощью внедрения цифровых технологий в существующие технологические
процессы, является повышение безопасности движения поездов. Анализ отечественных и
зарубежных работ, посвящённых разработке систем повышения безопасности движения
поездов показал, что одним из методов решения поставленной задачи является разработ-
ка и внедрение систем технического зрения для обнаружения объектов инфраструктуры и
препятствий по ходу движения поезда. Это особенно актуально при увеличении скоростей
движения поездов, когда машинисту бывает сложно правильно оценить сложившуюся
ситуацию и принять оперативное решение. В данной работе описана реализация системы
технического зрения для беспилотных поездов. В ее рамках был реализован новый подход к
обучению узкоспециализированной масочной нейронной сети. Основной задачей этой сис-
темы является распознавание препятствий и фигур человека на фоне железнодорожной
инфраструктуры, определения их местоположения относительно рельсовых путей и оцен-
ки этой ситуации с точки зрения безопасности движения. Для получения более качествен-
ной маски был использован подход одновременного использования изображений стандарт-
ных камер CVS и камер с более высоким разрешением. Данный метод способен повысить
качество распознавания, особенно на больших расстояниях, когда интересующий объект
не заметен в сложной среде окружающей его обстановки. Выполненная работа показала
хорошие результаты по идентификации объектов на железнодорожных путях. Создание
прототипа такой системы и оснащение ей тягового подвижного состава позволит реали-
зовать своевременное обнаружение препятствий и людей на пути поезда, что способству-
ет повышению уровня безопасности движения поездов. -
ПРОЕКТИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ И ОБЕСПЕЧЕНИЕ АВТОНОМНОСТИ ДЛЯ МОБИЛЬНОГО ДВУХКОЛЕСНОГО РОБОТА
А. А. Ткаченко , Д.Д. Девяткин2022-04-21Аннотация ▼Управление с прогнозированием (Model Predictive Control) – это усовершенствован-
ный метод управления процессами, который используется при соблюдении набора ограни-
чений. С инженерной точки зрения MPC-метод проектирования систем управления явля-
ется привлекательным, т.к. является сравнительно простым при проектировании, в том
числе для решения сложных производственных задач. Данный метод схож с классическим
синтезом системы управления на основе линейно-квадратичного регулятора (LQR). Ключе-
вое различие между MPC и LQR заключается в том, что управление с прогнозированием
решает задачу оптимизации в пределах скользящего временного горизонта, в то время как
линейно-квадратичный метод используется для решения той же задачи фиксированное
временное окно. В работе рассматривается способ построения системы управления для
двухколесного мобильного робота с использованием Model Predictive Control. Приведен про-
цесс построения математической модели механической системы робота, а также выпол-
нена линеаризация полученной модели. Представлены основные принципы построения сис-
темы управления на основе MPC для линейных систем без внешних возмущений, а также с
использованием наблюдателя для оценки состояний модели при влиянии аддитивных белых
гауссовских шумов. Рассмотрен вариант синтеза системы управления с накладываемыми
ограничениями на входной сигнал. Также представлен способ определения положения двух-
колесного робота в пространстве с помощью системы технического зрения, которая ос-
нована на использовании искусственной нейронной сети. Приведена архитектура модели,
использующаяся совместно со стереокамерой, с помощью которой реализуется построе-
ние карты глубины изображения. В качестве архитектуры нейронной сети используется,зарекомендовавшая себя модель YOLOv3. В работе описываются модели, которые неспо-
собны проводить обработку данных в режиме реального времени. Помимо вышеперечис-
ленного в работе подробно описывается принцип работы модели глубокого обучения –
YOLOv3, которая основана на нескольких блоках обработки входных данных. Представле-
но подробное описание реализации стереокамеры в связке с моделью искусственной ней-
ронной сети с помощью языка программирования Python и библиотек для работы с видео-
данными и стереокамерой. -
ИНТЕЛЛЕКТУАЛЬНОЕ УПРАВЛЕНИЕ РОБОТОТЕХНИЧЕСКИМИ СРЕДСТВАМИ В ЗАДАЧЕ СЕГМЕНТАЦИИ НОР ГРЫЗУНОВ С ИСПОЛЬЗОВАНИЕМ ГЛУБОКИХ СВЕРТОЧНЫХ АРХИТЕКТУР
М.А. Астапова19-302025-04-27Аннотация ▼Исследуется применение нейросетевых архитектур для семантической сегментации нор
грызунов с целью мониторинга их популяции на сельскохозяйственных полях. В частности, рас-
сматриваются три модели для семантической сегментации: сверточный автокодировщик (САК),
SegNet и U-Net. Эти модели применяются для анализа изображений, полученных с беспилотных летательных аппаратов (БпЛА) и наземных роботизированных средств (РТС), что позволяет
автоматически выявлять норы, минимизируя необходимость в трудозатратах при обработке
больших объемов данных. Для обучения и тестирования моделей была подготовлена выборка,
включающая 247 RGB-изображений, содержащих 1098 размеченных нор. Оценка показателей ка-
чества семантической сегментации проводилась с использованием метрики Джаккара (IoU), в
результате чего были получены следующие значения: 0,511 для САК, 0,548 для SegNet и 0,529 для
U-Net. Была проведена оценка вычислительных ресурсов, необходимых для внедрения этих моделей
в бортовые вычислительные устройства (БВУ) мобильных РТС. Рассмотрены два критерия: ко-
личество операций с плавающей точкой (GFLOPS) и количество параметров моделей. Результа-
ты показали, что SegNet требует 2,23 GFLOPS и имеет 0,76 миллиона параметров, что в 2,58 и
2,33 раза меньше по сравнению с САК и U-Net соответственно. Количество операций с плавающей
точкой для SegNet также оказалось на 2,43 и 1,88 раза ниже, чем у САК и U-Net соответственно.
В результате, SegNet превзошла САК и U-Net как в эффективности сегментации, так и в требуе-
мых вычислительных ресурсах. Данная работа выполнялась в рамках реализации системы компь-
ютерного зрения сельскохозяйственной РТС. -
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА РАННЕГО ОПОВЕЩЕНИЯ И МОНИТОРИНГА РАСТЕНИЙ
А.А. Кочкаров , А. К. Куликов , В.А. Ольхова , А. С. Стахмич , А.Н. Рыбак2025-04-27Аннотация ▼Настоящее исследование направлено на систематизацию научных знаний о заболеваниях сель-
скохозяйственных культур с последующей интеграцией полученных данных в системы автоматизиро-
ванного управления агропроизводством. Актуальность работы обусловлена необходимостью миними-
зации экономических потерь в растениеводстве за счёт ранней диагностики патологий и оптимизации
фитосанитарного контроля. В рамках исследования проведена классификация заболеваний растений.
В качестве модельного объекта выбрано растение базилик (Ocimum basilicum L.), характеризующееся
высокой восприимчивостью к фитопатогенам в условиях интенсивного выращивания. Для создания
инструмента автоматизированной диагностики осуществлён сбор специализированного датасета,
включающего 214 изображений базилика на различных стадиях вегетации. Съёмка проводилась в кон-
тролируемых условиях с использованием RGB-камеры. Каждый образец аннотирован с локализацией
повреждения , площади поражения. Особое внимание уделено методологическим аспектам формиро-
вания банков данных для биологических систем. Установлено, что ключевыми проблемами являются
высокая вариабельность морфологических признаков у растений, влияние факторов окружающей сре-
ды на визуальные проявления заболеваний. На основе анализа полученных данных предложена архитек-
тура системы раннего оповещения, включающая три модуля: Сенсорный блок – малогабаритные каме-
ры и датчики микроклимата. Алгоритмический блок – нейросетевая модель для семантической сег-
ментации изображений и алгоритмы оценки динамики развития патологий. Интерфейс принятия
решений и оповещения – рекомендации по корректировке режимов полива, внесения пестицидов и мик-
роэлементов. Обучение свёрточной нейронной сети выполнено на основе фреймворка YOLOv11 с при-
менением методов аугментации данных (гауссовский шум, аффинные преобразования) и трансферного
обучения. Валидация модели на тестовой выборке показала точность детекции 74.7%
(F1-score = 0.72). Для снижения ложноположительных срабатываний реализована постобработка
предсказаний с учётом пространственно-временной корреляции данных. Разработанный прототип
демонстрирует потенциал интеграции компьютерного зрения и агрономии для создания предиктивных
систем управления. Дальнейшие исследования планируется направить на расширение датасета и уве-
личение измеряемых параметров, а также внедрение алгоритмов обработки данных на edge-
устройствах для уменьшения задержек в принятии решений. Полученные результаты могут быть
адаптированы для других культур закрытого грунта, что способствует развитию точного земледелия
и снижению антропогенной нагрузки на агроэкосистемы -
КОМПЛЕКСНЫЙ ПОДХОД К ВИЗУАЛЬНОЙ НАВИГАЦИИ ПО ЕСТЕСТВЕННЫМ ОРИЕНТИРАМ ДЛЯ БПЛА, РАБОТАЮЩИХ В УСЛОВИЯХ НЕДОСТУПНОСТИ ГНСС
С. В. Кулешов , А. В. Кваснов , А. А. Зайцева , А.Л. Ронжин2025-04-27Аннотация ▼Целью исследования является обеспечение возможности навигации БПЛА при невозможно-
сти применения спутниковых средств глобального позиционировании с использованием ГНСС в
условиях РЭБ. Для достижения поставленной цели предлагается комплексный подход к обеспече-
нию навигации БПЛА по визуальным ориентирам с использованием систем технического зрения.
Предлагается синтез изображений подстилающей поверхности за счет комплексирования данных
сенсоров, повышающий качество позиционирования БПЛА при условии отсутствия спутниковых
навигационных систем. Показано, что при совмещении изображений дистанционного зондирова-
ния, имеющих различную природу происхождения и изменяющиеся внешние условия эксплуатации
(день-ночь, зима-лето и т.д.), важно наиболее полно локализовать объекты подстилающей по-
верхности. В системе технического зрения для визуальной навигации БПЛА по естественным ори-
ентирам предложен метод электромеханической развертки изображения, позволяющий увели-
чить поле зрения камеры произвольного диапазона. Проведено моделирование характеристик сис-
темы технического зрения с электромеханической разверткой для определения границ применимо-
сти к задаче визуальной навигации. Показано, что наиболее значимым параметром точности
позиционирования является высота съемки подстилающей поверхности, которая квазилинейна
при условии фиксированного угла наклона камеры, а для качественного позиционирования наилуч-
шим вариантом является фронтальное положение камеры в точке надира. Предложенный подход
позволяет создавать виртуальные 3D-модели подстилающей поверхности, тем самым увеличивая
возможности по более точному распознаванию объектов на основе масштаба и размеров сегмен-
тируемых областей. Измерение угла места камеры может быть использовано для обнаружения и
распознавания естественных ориентиров, которые могут быть заранее определены (точки пере-
сечения дорог, здания или сооружения, объекты коммуникаций и т.д.). С другой стороны, фрон-
тальное положение камеры с нулевым углом места выгодно для сверки маршрута полета, пози-
ционируя положение БПЛА относительно опорного ориентира. Это обусловлено тем, что с ши-
роким использованием программного обеспечения, основанного на математических моделях, тех-
нологию фотограмметрической линейки стало целесообразно применять для количественного
измерения планов местности и карт. -
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
-
ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ КРУПНОРАЗМЕРНЫХ БПЛА ПРИ РЕШЕНИИ ЗАДАЧ КОМПЛЕКСНОГО ОБСЛЕДОВАНИЯ ТЕРРИТОРИЙ
А. М. Федулин, Д.М. Дрягин2021-04-04Аннотация ▼Целью приведенного в настоящей работе исследования является оценка перспектив-
ности применения крупноразмерных беспилотных летательных аппаратов (БПЛА) боль-
шой продолжительности полета для решения задачи регулярного комплексного обследова-
ния территорий большой площади относительно других применяемых для этого средств,
таких как: малоразмерные БПЛА, космические аппараты для дистанционного зондирова-
ния Земли и пилотируемые летательные аппараты. Рассмотрен вопрос практического
построения программно-аппаратного комплекса бортовой системы технического зрения
на основе крупноразмерного БПЛА «Орион» взлетной массой более тонны, обеспечивающе-
го аэрофотографическую съемку в видимом и ближнем инфракрасном диапазоне и воздуш-
ное лазерное сканирование подстилающей поверхности с автоматической обработкой
получаемых данных на борту в режиме времени, близком к реальному, с целью выявления
произошедших с предыдущего обследования интересующих изменений. Определены ключе-
вые составные части системы технического зрения, включая требуемую для решения
функциональных задач программно-аппаратную платформу для обеспечения высокопроиз-
водительных вычислений и хранения больших объемов данных. В работе приведена пер-
спективная архитектура построения такой системы, даны расчетные оценки по ее поис-
ковой производительности, массе и потребляемой мощности, определена типовая высота
выполнения полетов, обеспечивающая пространственное разрешения получаемой видовой
информации, необходимое для надлежащей работы алгоритмов объектно-
ориентированного распознавания интересующих изменений, построенных на машинном
обучении сверточных нейронных сетей. Предложены организационно-технические решения
по ускорению цикла обработки данных, с учетом требований законодательства в части
рассекречивания данных аэросъемки. Полученные в ходе выполнения работы результаты
подтверждают, что после выдачи БПЛА «Орион» Федеральным агентством воздушного
транспорта сертификата типа воздушного судна, дающего право выполнения коммерче-
ских полетов в общем воздушном пространстве Российской Федерации, на его базе с ис-
пользованием современных технологий съемки и интеллектуальной обработки данных
можно будет реализовать аэросъемочный комплекс высокой производительности и сте-
пени автономности, тактико-технические и экономические характеристики которого
будут на порядки превосходить существующие на данный момент решения, особенно для
труднодоступных районов страны.
1 - 8 из 8 результатов
