У дисертації здійснено аналіз засобів та технологій збору зображень з використанням БПЛА, існуючих систем аналогічного призначення, методів та засобів обробки зображень об’єктів та їх розпізнавання. В роботі розроблено методи збору, розпізнавання та обробки зображень отриманих з використанням БПЛА для виявлення заданих об’єктів, які покращують ефективність збору, точність розпізнавання та обробки зображень отриманих з використанням БПЛА, а також розроблено відповідні засоби, здійснено постановку експериментів і проведено з розробленими засобами експериментальні дослідження.Об’єктом дослідження є процеси збору, розпізнавання та обробки зображень, отриманих із використанням БПЛА, для виявлення заданих об’єктів.Предметом дослідження є методи і алгоритми забезпечення збору, розпізнавання та обробки зображень, отриманих із використанням БПЛА, для виявлення заданих об’єктів.Метою дисертаційного дослідження є покращення ефективності збору, точності розпізнавання та обробки зображень, отриманих із використанням БПЛА, для виявлення заданих об’єктів.Наукова новизна одержаних результатів полягає в наступному:1) розроблено новий метод побудови маршрутів БПЛА згідно технологій самонавчання, що дає змогу покращити переміщення та синхронізацію між групою БПЛА або одного БПЛА в межах робочого сегменту і за рахунок цього збільшення кількості опрацьованих даних.2) розроблено новий метод динамічного отримання зображень заданих структурних об’єктів в тривимірному просторі за допомогою декількох БПЛА, що покращує узгодження між різними БПЛА та досягнення переміщення всієї групи БПЛА від заданих початкових до кінцевих точок програмної місії автономно.3) розроблено новий метод синхронізації відеопотоків в режимі реального часу, що дає змогу виконувати порівняння отриманих поточних результатів із минулими в режимі реального часу і це забезпечує оперативне отримання результатів та здійснення виявлення структурних об’єктів, які були пропущені в процесі минулих програмних місій.4) вдосконалено метод виявлення заданих структурних об’єктів на зображеннях, який на відміну від оригінальної архітектури YOLOv5, полягає в тому, що модифіковано модуль фокусування нейронної мережі, видалено згортковий шар поєднуючий вхідну карту ознак з операцією конкатенції, актуалізовано механізм візуальної уваги для вилучення ознак, що дало змогу покращити точність виявлення і зменшити час навчання нейронної мережі.За результатами виконаних досліджень здобувачем розроблено методи, спосіб, алгоритми та засоби покращення ефективності збору, точності розпізнавання та обробки зображень, отриманих із використанням БПЛА, для виявлення заданих об’єктів. Заданими об’єктами вибрано яблука на деревах в фруктовому саду. За розробленими методами, способом, алгоритмами та засобами створено автоматизовану систему для виявлення та обчислення кількості яблук у фруктовому саду в режимі реального часу. Перевагою розробленої системи над аналогами є отримання нею множини відеокадрів у режимі реального часу з камер кількох БПЛА та синхронізація цих відеокадрів між собою в одну інформаційну структуру даних, що надалі трансформується в суцільне зображення. Використання такої системи дало змогу отримувати суцільний потік даних до всіх наступних програмних компонентів автоматизованої системи. У результаті проведених експериментальних досліджень було доведено покращення ефективності роботи розробленої автоматизованої системи та точності виявлення об’єктів на зображеннях, що підтверджується високим середнім значенням у 82,69% показника достовірності виявлення та обчислення кількості фруктових плодів та низьким середнім рівнем помилок I (14,67%) та II (18,33%) роду. Теоретичні та практичні результати дослідження впроваджені в ТОВ «ЮКС++» (м. Хмельницький), Державному підприємстві «Новатор» (м. Хмельницький), ПП «НОЛТ ТЕХНОЛОДЖИС» (м. Хмельницький), ТОВ «Агротех сервіс» та в освітньому процесі Хмельницького національного університету при викладанні дисциплін на кафедрі комп’ютерної інженерії та інформаційних систем для спеціальності 126 Інформаційні системи та технології, 123 Комп’ютерна інженерія та кафедрі комп’ютерних наук для спеціальності 122 Комп’ютерні науки, а також при виконанні держбюджетної теми Хмельницького національного університету «Розроблення інформаційної технології прийняття контрольованих людиною критично-безпекових рішень за ментально-формальними моделями машинного навчання» №2Б-2021.

Постачальник даних: УкрІНТЕІ (Український Інститут науково-технічної експертизи та Інформації)

  Завантажити автореферат