Wyniki wyszukiwania - BazTech

1

Application of Resnet-152 neural networks to analyze images from UAV for fire detection

Stelmakh Nataliia, Mandrovska Svitlana, Galagan Roman

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 2

77--82

EN

Timely detection of fires in the natural environment (including fires on agricultural land) is an urgent task, as their uncontrolled development can cause significant damage. Today, the main approaches to fire detection are human visual analysis of real-time video stream from unmanned aerial vehicles or satellite image analysis. The first approach does not allow automating the fire detection process and contains a human factor, and the second approach does not allow detect the fire in real time. The article is devoted to the issue of the relevance of using neural networks to recognize and detect seat of the fire based on the analysis of images obtained in real time from the cameras of small unmanned aerial vehicles. This ensures the automation of fire detection, increases the efficiency of this process, and provides a rapid response to fires occurrence, which reduces their destructive consequences. In this paper, we propose to use the convolutional neural network ResNet-152. In order to test the performance of the trained neural network model, we specifically used a limited test dataset with characteristics that differ significantly from the training and validation dataset. Thus, the trained neural network was placed in deliberately difficult working conditions. At the same time, we achieved a Precision of 84.6%, Accuracy of 91% and Recall of 97.8%.

PL

Wczesne wykrycie pożarów w środowisku naturalnym (w tym pożarów na gruntach rolnych) jest zadaniem pilnym, gdyż ich niekontrolowany rozwój może spowodować znaczne szkody. Obecnie głównymi podejściami do wykrywania pożarów jest wizualna analiza przez człowieka strumienia wideo w czasie rzeczywistym z bezzałogowych statków powietrznych lub analiza obrazu satelitarnego. Pierwsze podejście nie pozwala na automatyzację procesu wykrywania pożaru i uwzględnia czynnik ludzki, natomiast drugie podejście nie pozwala na wykrycie pożaru w czasie rzeczywistym. Artykuł poświęcony jest zagadnieniu przydatności wykorzystania sieci neuronowych do rozpoznawania i wykrywania źródła pożaru na podstawie analizy obrazów uzyskiwanych w czasie rzeczywistym z kamer małych bezzałogowych statków powietrznych. Zapewnia to automatyzację wykrywania pożaru, zwiększa efektywność tego procesu oraz zapewnia szybką reakcję na wystąpienie pożarów, co ogranicza ich niszczycielskie skutki. W artykule proponujemy wykorzystanie splotowej sieci neuronowej ResNet-152. Aby przetestować wydajność wyszkolonego modelu sieci neuronowej wykorzystaliśmy ograniczony testowy zbiór danych, którego charakterystyka znacznie różni się od zbiorów danych treningowych i walidacyjnych. Tym samym wytrenowana sieć neuronowa została poddana celowo trudnym warunkom operacyjnym. Jednocześnie uzyskano parametry "Precision" – 84.6%, "Accuracy" – 91% i "Recall" – 97.8%.

2

Features of the implementation of computer vision in the problems of automated product quality contro

Stelmakh Nataliia, Mastenko Ihor, Sulima Olga, Rudyk Tetiana

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 1

38--41

EN

The article analyzes the fields of application of machine vision. Special attention is focused on the application of Machine Vision in intelligent technological systems for product quality control. An important aspect is a quick and effective analysis of product quality directly at the stage of the technological process with high accuracy in determining product defects. The appropriateness and perspective of using the mathematical apparatus of artificial neural networks for the development of an intelligent technological system for monitoring the geometric state of products have been demonstrated. The purpose of this study is focused on the identification and classification of reed tuber quality parameters. For this purpose, new methods of identification and classification of quality control of various types of defects using computer vision and machine learning algorithms were proposed.

PL

W artykule dokonano analizy obszarów zastosowań widzenia maszynowego. Szczególną uwagę zwrócono na zastosowanie widzenia maszynowego w inteligentnych systemach technologicznych kontroli jakości wyrobów. Ważnym aspektem jest szybka i skuteczna analiza jakości produktu bezpośrednio na etapie procesu technologicznego z dużą dokładnością w określaniu wad produktu. Pokazano celowość i perspektywę wykorzystania aparatu matematycznego sztucznych sieci neuronowych do budowy inteligentnego systemu technologicznego do monitorowania stanu geometrycznego wyrobów. Celem badań jest identyfikacja i klasyfikacja parametrów jakościowych rurek trzcinowych. W tym celu zaproponowano nowe metody identyfikacji i klasyfikacji kontroli jakości różnego rodzaju defektów z wykorzystaniem wizji komputerowej i algorytmów uczenia maszynowego.

3

Development of automation of waste sorting as an integral part of environmental protection

Stelmakh Nataliia, Belman Oleg

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2022

|

T. 12, nr 2

24--29

EN

The paper regards the urgency of creating small - sized systems for automated local sorting of household waste for modern residential complexes based on visual spectrometry. For this purpose, algorithms for system operation were developed and the procedure for designing a functional control scheme for the sorting process with the construction of the necessary contours of automated control was presented.

PL

Artykuł dotyczy pilną potrzebę stworzenia małogabarytowych systemów zautomatyzowanego lokalnego sortowania odpadów komunalnych dla nowoczesnych zespołów mieszkaniowych w oparciu o spektrometrię wizualną. W tym celu opracowano algorytmy pracy systemu oraz przedstawiono procedurę projektowania schematu funkcjonalnego sterowania procesem sortowania wraz z budową niezbędnych obwodów automatycznego sterowania. Przeprowadzono również analizę zastosowania modelu do oceny niezawodności zautomatyzowanego systemu sortowania odpadów.