Система машинного зрения для устройства всестороннего контроля техники

Достижения в распознавании графических изображений привели к тому, что компьютеры стали способны имитировать некоторые функции человеческого зрения, такие как распознавание образов, что несомненно, может быть применимо в различных областях при реализации искусственного интеллекта, поэтому данная тема является весьма актуальной. Целю работы является изучение способов распознавания объектов на изображении с использованием механизмов нейросетей. Для достижения поставленной цели были определены следующие задачи:  изучить распознавание объектов на изображениях;  рассмотреть процесс распознавания объектов;  осуществить применение компьютерного зрения в промышленной дефектоскопии. Объектом исследования являются методы распознавания объектов на изображении, а предметом является задачи классификации участков изображения на основе нейросети. Таким образом основными методами исследования в данной работе является изучение и анализ существующей литературы по данной теме, а также проведение собственных экспериментов. Курсовая работа состоит из трех основных разделов.

---

Собираетесь заказать дипломную работу по страхованию, но не знаете где? Обращайтесь в Work5! Мы выполним дипломную работу по всем вашим требованиям.

---

В первом разделе приводится описание понятий задач распознавания объектов на изображении, устройство нейросети а так же сам процесс распознавания на основе механизма нейросети. Во втором разделе подробно описывается применение изученной теории на примере реализации программы для распознавания дефектов на изображении. В третьем разделе приводится пример использования компьютерного зрения в промышленной дефектоскопии. 

В этой работе проведен анализ существующих способов распознавания объектов на изображениях с использованием механизмов нейросетей. Изучено устройство виртуальной нейросети а так же сам процесс распознавания на ее основе. Так же, полученные теоретические знания были применены для реализации программы, выполняющей поиск и распознавание образов дефектов на участках изображений. Для это были описаны основные инструменты, которые реализуют механизмы нейросетей. В первую очередь это язык Python который достаточно развит для задач использования нейростетей а так же мощные по своему функционалу библиотеки, такие как DetectoRS и YOLO. Одно из преимуществ перечисленных инструментов – они предоставляют уже готовые нейросети, которые можно без больших затрат адаптировать под нужную для разработчика задачу. В итоге, разработанная программа способна распознавать на исходном изображении участки, представляющие собой образы дефектов с указанием оценки возможности соответствия участка изображения искомому объекту. Таким образом были достигнуты цели, обозначенные для данной курсовой работы.

1. Барабаш Ю. Л., Варский Б. В., Зиновьев В. Т. Вопросы статистической теории распознавания. - М.: Советское радио, 2007. - 399 с. 2. Вапник В. Н., Червоненкис А. Я. Теория распознавания образов. - М.: Наука, 2004. - 416 с. 3. Васильев В. И. Распознающие системы. Справочник. - 2-е изд. - К.: Наукова думка, 2003. - 424 с. 4. Горелик А. Л., Скрипкин В. А. Методы распознавания. - 4-е изд. - М.: Высшая школа, 1984, 2004. - 262 с. 5. Лбов Г. С. Методы обработки разнотипных экспериментальных данных. - Новосибирск: Наука, 2001. - 157 с. 6. Фомин Я. А. Распознавание образов: теория и применения. - 2-е изд. - М.: ФАЗИС, 2012. - 429 с. 7. Фомин Я. А., Тарловский Г. Р. Статистическая теория распознавания образов. - М.: Радио и связь, 2006. - 624 с. 8. Форсайт Дэвид А., Понс Джин. Компьютерное зрение. Современный подход = Computer Vision: A Modern Approach. - М.: Вильямс, 2004. - 928 с. 9. Чэн Ш.-К. Принципы проектирования систем визуальной информации. - М.: Мир, 2004. - 408 с. 10. Шапиро Л., Дж. Стокман. Компьютерное зрение = Computer Vision. - М.: Бином. Лаборатория знаний, 2006. - 752 с.