Дослідження та проєктування програмного рішення для встановлення якісних характеристик металобрухту з використанням технології комп'ютерного зору

Abstract

Мета роботи – підвищення ефективності оцінки якісних характеристик металобрухту за допомогою технології комп'ютерного зору. Об’єкт дослідження – процес оцінки зображень металобрухту з використанням нейронних мереж. Предмет дослідження – визначення моделей нейронних мереж для оцінки зображень металобрухту та проєктування програмного рішення для встановлення якісних характеристик металобрухту з використанням технології комп'ютерного зору. Методологія дослідження – визначення архітектури згорткових нейронних мереж для класифікації зображень металобрухту. Системний аналіз з застосуванням діаграмних методик. Застосування логічного моделювання та проєктування програмного забезпечення. Проведено аналіз методів обробки зображень, згорткових нейронних мереж для класифікації зображень. Запропоновано моделі згорткових нейронних мереж SSD-ResNet, VGG16, які використовуються для класифікації зображень брухту. Здійснено проєктування програмного рішення. Проведено планування проєкту програмного рішення. Наукова новизна: на основі дослідження нейронних мереж різного типу запропоновано модель нейронної мережі, яка здійснює класифікацію зображень металобрухту для визначення рівня засміченості та виявлення заборонених фрагментів. Практична цінність полягає в розробці методів та технологій для класифікації зображень з використанням нейронних мереж, які можна використовувати у бізнес-процесі приймання брухту.

The purpose of the work is to improve the efficiency of assessing the quality characteristics of scrap metal using computer vision technology. The object of study is the process of evaluating scrap metal images using neural networks. The subject of the study is to determine the models of neural networks for evaluating scrap metal images and designing a software solution for establishing the quality characteristics of scrap metal using computer vision technology. Research methodology: determining the architecture of convolutional neural networks for scrap metal image classification. System analysis using diagrammatic techniques. Application of logic modeling and software design. The analysis of image processing methods and convolutional neural networks for image classification is carried out. The models of convolutional neural networks SSD-ResNet, VGG16, which are used to classify scrap images, are proposed. The design of the software solution was carried out. Planning of the software solution project was carried out. Scientific novelty: based on the study of neural networks of various types, a neural network model is proposed that classifies scrap metal images to determine the level of contamination and identify prohibited fragments. The practical value lies in the development of methods and technologies for image classification using neural networks, which can be used in the business process of scrap acceptance.