Details

Работа посвящена реализации модуля для обработки показаний приборов (манометров (полукруглая шкала с радиально расположенной стрелкой) и ленточных регистраторов (прямоугольная шкала с линейно перемещающимся указателем)) в реальном времени, с подключением к нему базы данных и сервиса визуализации. В ходе разработки был проведён анализ существующих решений, изучены методы распознавания, выбрана технология реализации, спроектирована и реализована архитектура, проведено тестирование готового решения на предоставленных и синтетических данных. Для создания модуля были использованы следующие технологии: язык программирования Python (фреймворк PyTorch; библиотеки OpenCV, NumPy и Matplotlib), разметка датасетов, созданных из видео, предоставленных заказчиком, проводилась средствами Roboflow и CVAT, обучение сетей — в Google Colab, а написание кода самого модуля — в PyCharm. Для хранения полученных показаний была использована база данных Postgres, для визуализации — платформа мониторинга и анализа данных Grafana, а для сборки — Docker. В результате выполнения работы был создан модуль системы для считывания показаний с манометров и ленточных регистраторов с помощью нейронных сетей в реальном времени. В процессе были решены описанные задачи и проанализированы перспективы развития проекта.

The work is devoted to the implementation of a module for processing instrument readings (pressure gauges (a semicircular scale with a radially positioned arrow) and tape recorders (a rectangular scale with a linearly moving pointer)) in real time, with a database and visualization service connected to it. During the development, an analysis of existing solutions was carried out, recognition methods were studied, the implementation technology was selected, the architecture was designed and implemented, and the finished solution was tested on the provided and synthetic data. The following technologies were used to create the module: Python programming language (PyTorch framework; OpenCV, NumPy and Matplotlib libraries), markup of datasets created from videos provided by the customer was carried out using Roboflow and CVAT, network training was carried out in Google Colab, and writing the code of the module itself was carried out in PyCharm. The Postgres database was used to store the readings, the Grafana data monitoring and analysis platform was used for visualization, and Docker was used for assembly. As a result of the work, a system module was created for processing readings from pressure gauges and tape recorders using neural networks in real time. In the process, the described tasks were solved and the prospects for the development of the project were analyzed.