Детальная информация

Работа посвящена разработке системы мониторинга безопасности железнодорожных путей с применением методов глубокого обучения. Спроектирована модель на основе YOLO, обеспечивающая детекцию объектов в режиме реального времени. Реализация выполнена на языке Python, а модель экспортирована в формате ONNX для повышения переносимости. Тестирование системы проведено на платформе Raspberry Pi 4, продемонстрировавшей скорость обработки 1,7 кадров в секунду при разрешении 640×384. Визуальные проверки и количественные метрики подтвердили точность и надежность модели. Результатом работы стала эффективная система обнаружения объектов, способная повысить безопасность железнодорожных перевозок за счет автоматизированного мониторинга и предупреждения аварийных ситуаций.

This work is dedicated to the development of a railway track safety monitoring system using deep learning methods. A YOLO-based model has been designed to enable real-time object detection. The implementation is carried out in Python, with the model exported in ONNX format for enhanced portability. The system was tested on a Raspberry Pi 4 platform, demonstrating a processing speed of 1.7 frames per second at a resolution of 640×384. Visual inspections and quantitative metrics confirmed the model’s accuracy and reliability. As a result, an efficient object detection system was developed, capable of improving railway transportation safety through automated monitoring and accident prevention.

• ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
• СИСТЕМА РАСПОЗНАВАНИЯ ОБЪЕКТОВ СРЕДСТВАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
  • 09.03.04 Программная инженерия
  • 09.03.04_03 Разработка программного обеспечения
• ЗАДАНИЕ
  • по выполнению выпускной квалификационной работы
• РЕФЕРАТ
• ABSTRACT
• ОГЛАВЛЕНИЕ
• ВВЕДЕНИЕ
  • Глава 1. Обзор
  • Глава 2 – Предлагаемые решения и модели обнаружения
  • Глава 3. Практическая часть.
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ