Исследование задачи классификации фракции щебня на основе семейства моделей YOLO
Аннотация
Выпускная квалификационная работа Исследование задачи классификации фракции щебня на основе семейства моделей YOLO. Объем текста – 60 страниц. Количество рисунков – 33, таблиц – 13, источников 25.
Магистратура по направлению 09.04.01 «Инженерия машинного обучения». УрФУ, кафедра информационные технологии и системы управления, 2024.
Ключевые слова: классификация изображений, нейронные сети для классификации, детекторы, обнаружение объекта, YOLO.
Актуальность работы обусловлена необходимостью точного определения размера фракции щебня для обеспечения автоматизированного заполнения информации в MES систему карьера для исключения человеческого фактора и оптимизации времени на обработку информации.
Цель: исследование задачи классификации фракции щебня, вывозимого с карьера, на основе моделей компьютерного зрения, по изображениям с внешних камер.
В работе приведено описание существующих методов детекции и классификации объектов. Проведено исследование, направленное на сравнение эффективности моделей семейства YOLO для решения задачи классификации фракции, после предварительной подготовки данных.
Область практического применения: полученные результаты могут использоваться для построения систем автоматизации в области горнодобывающей промышленности.
Магистратура по направлению 09.04.01 «Инженерия машинного обучения». УрФУ, кафедра информационные технологии и системы управления, 2024.
Ключевые слова: классификация изображений, нейронные сети для классификации, детекторы, обнаружение объекта, YOLO.
Актуальность работы обусловлена необходимостью точного определения размера фракции щебня для обеспечения автоматизированного заполнения информации в MES систему карьера для исключения человеческого фактора и оптимизации времени на обработку информации.
Цель: исследование задачи классификации фракции щебня, вывозимого с карьера, на основе моделей компьютерного зрения, по изображениям с внешних камер.
В работе приведено описание существующих методов детекции и классификации объектов. Проведено исследование, направленное на сравнение эффективности моделей семейства YOLO для решения задачи классификации фракции, после предварительной подготовки данных.
Область практического применения: полученные результаты могут использоваться для построения систем автоматизации в области горнодобывающей промышленности.