Разработка информационной системы строительного интернет-магазина с функционалом распознавания изображений
Аннотация
Объектами исследования являются системный анализ и распознавание изображений, которые являются ключевыми составляющими при создании данной информационной системы
Цель работы – разработка информационной системы для оптимизации работы в области строительства за счет сокращения времени обслуживания клиентов на примере строительного интернет-магазина, способной распознавать изображения от клиентов, а затем, на основе анализа изображения, выступать в качестве эксперта и рекомендовать товар покупателю.
Методы исследования. В магистерской диссертации использованы методы системного анализа, статистические методы обработки данных и методы работы с изображениями, методы моделирования и проектирования баз данных и информационных систем.
В процессе работы проведен системный анализ предметной области, построена модель процессов в методологии SADT, построена диаграмма вариантов и сценариев использования UML, созданы эскизы экранных форм, изучена теоретическая часть по вопросу распознавания изображений (алгоритм Канни, определение признаков изображения, алгоритм логистической регрессии), реализован алгоритм распознавания изображений.
При разработке программной части применялся следующий стек технологий: MySQL, Python, jupyter notebook, openCV.
В результате работы был создана информационная система строительного интернет-магазина. Алгоритм распознавания фотографий изображений описан и проверен на примере фотографий камней.
Практическая значимость и новизна работы состоит в том, что теоретические выводы и предложенные методики могут применяться в различных областях: энергетике, агропромышленном комплексе,
промышленности и др. Полученный модуль для работы с изображениями может не только рекомендовать и подбирать товар для клиентов, но и может быть внедрен в другие уже реализованные системы. Например, модуль может быть использован для сортировки ряда объектов на конвейерной ленте путем распознавания и выделения объектов различного размера.
В качестве перспектив дальнейшего развития рассматривается несколько направлений: развитие экспертной системы для более точного результата, исследование возможности применения других алгоритмов машинного обучения.
Цель работы – разработка информационной системы для оптимизации работы в области строительства за счет сокращения времени обслуживания клиентов на примере строительного интернет-магазина, способной распознавать изображения от клиентов, а затем, на основе анализа изображения, выступать в качестве эксперта и рекомендовать товар покупателю.
Методы исследования. В магистерской диссертации использованы методы системного анализа, статистические методы обработки данных и методы работы с изображениями, методы моделирования и проектирования баз данных и информационных систем.
В процессе работы проведен системный анализ предметной области, построена модель процессов в методологии SADT, построена диаграмма вариантов и сценариев использования UML, созданы эскизы экранных форм, изучена теоретическая часть по вопросу распознавания изображений (алгоритм Канни, определение признаков изображения, алгоритм логистической регрессии), реализован алгоритм распознавания изображений.
При разработке программной части применялся следующий стек технологий: MySQL, Python, jupyter notebook, openCV.
В результате работы был создана информационная система строительного интернет-магазина. Алгоритм распознавания фотографий изображений описан и проверен на примере фотографий камней.
Практическая значимость и новизна работы состоит в том, что теоретические выводы и предложенные методики могут применяться в различных областях: энергетике, агропромышленном комплексе,
промышленности и др. Полученный модуль для работы с изображениями может не только рекомендовать и подбирать товар для клиентов, но и может быть внедрен в другие уже реализованные системы. Например, модуль может быть использован для сортировки ряда объектов на конвейерной ленте путем распознавания и выделения объектов различного размера.
В качестве перспектив дальнейшего развития рассматривается несколько направлений: развитие экспертной системы для более точного результата, исследование возможности применения других алгоритмов машинного обучения.