Детальная информация

Предметом исследования выпускной квалификационной работы являются свёрточные нейронные сети в задаче распознавания и локализации объекта в видеопотоке. Целью выпускной квалификационной работы является разработка алгоритма распознавания и локализации определённого класса объекта в видеопотоке. В данной работе рассмотрены модели свёрточных нейронных сетей и их сравнение, на основе результатов которого выбрана самая подходящая модель для решения задачи оптической локализации сельскохозяйственного транспорта в видеопотоке. Подготовлены обучающий и синтетический тестовый датасет, на основе которых обучена и проверена модель YOLOv8. Рассмотрена зависимость точности распознавания объекта в зависимости от степени экранирования и освещения. Результатом работы является алгоритм, реализованный на языке PYTHON в среде Google Colab, с использованием фраймворка Keras и модели распознавания объектов YOLOv8. Разработанный алгоритм может являться инструментом решения задач автоматической локализации, установленным в сельскохозяйственном дроне.

The subject of research of the graduate qualification work is convolutional neural networks in the task of recognition and localization of an object in a video stream. The purpose of the graduate qualification work is to develop an algorithm for recognizing and localizing a certain class of object in the video stream. In this paper we consider the models of convolutional neural networks and their comparison, based on the results of which the most appropriate model is selected to solve the problem of optical localization of agricultural transport in the video stream. Training and synthetic test dataset were prepared, on the basis of which the YOLOv8 model was trained and tested. The dependence of object recognition accuracy depending on the degree of shielding and illumination is considered. The result is an algorithm implemented in the PYTHON language in the Google Colab environment using the Keras framework and the YOLOv8 object recognition model. The developed algorithm can be a tool for solving problems of automatic localization installed in an agricultural drone.