Засоби комп’ютерного зору визначення стану злакових культур

Скорочена інформація про документ
dc.contributor.advisorТесленко, Олександр Кирилович
dc.contributor.authorКузьмич, Анна Альвіанівна
dc.date.accessioned2024-12-24T14:44:41Z
dc.date.available2024-12-24T14:44:41Z
dc.date.issued2024
dc.description.abstractАктуальність теми. Сучасний розвиток агропромислового сектору тісно пов’язаний із впровадженням інноваційних технологій, зокрема автоматизацією та цифровізацією виробничих процесів, що забезпечує підвищення продуктивності та якості кінцевої продукції. В умовах глобальної конкуренції та високих вимог до якості зернових культур зростає потреба в автоматизованих рішеннях для контроля чистоти зерна. Одним із перспективних підходів для забезпечення якісного аналізу є застосування технологій комп’ютерного зору, що дозволяють автоматизувати процес ідентифікації та класифікації об'єктів у зразках зернових культур. Комп’ютерний зір, який використовує сучасні алгоритми глибокого навчання, відкриває нові можливості для виявлення та класифікації домішок у зернових зразках. Використання таких технологій дозволяє автоматизувати процес аналізу, що зменшує залежність від людського фактору, підвищує швидкість та точність перевірок. Це особливо актуально для України, як аграрної держави, де контроль якості зернових культур є важливою складовою для забезпечення конкурентоспроможності на світовому ринку. Розробка методів автоматизованого контролю чистоти зернових культур з використанням комп'ютерного зору є важливим науковим і практичним завданням, оскільки вона сприяє підвищенню ефективності та якості агропромислового виробництва. Об’єктом дослідження є методи аналізу зображень для визначення якості та чистоти зернових зразків, зокрема для виявлення засмічуючих частинок у злакових культурах Предметом дослідження є технології комп’ютерного зору, алгоритми глибокого навчання та нейронні мережі, що використовуються для класифікації об'єктів і визначення рівня засміченості в зразках зернових культур. Мета роботи: провести аналіз сучасних методів комп’ютерного зору, які застосовуються для автоматичного визначення рівня засміченості зернових культур, розробити ефективну методику обробки зображень зразків зерна, адаптовану до умов аграрного сектору. Передбачено створення програмного забезпечення, яке здатне автоматично визначати типи частинок та обчислювати рівень чистоти зразків. Наукова новизна полягає в наступному: - Розроблено метод адаптивної сегментації зображень зернових культур із використанням алгоритму локального вирівнювання гістограми (CLAHE) та адаптивного визначення параметрів для забезпечення точності сегментації за умов варіативного освітлення та щільності зразків. - Запропоновано новий підхід до класифікації зображень зернових культур на основі глибокої згорткової нейронної мережі з оптимізованою архітектурою, яка забезпечує високі показники точності та швидкості обробки. - Удосконалено методику оцінки рівня засміченості зернових зразків, яка включає автоматичне розрахування співвідношення площ зернин і домішок, що дозволяє оцінити якість матеріалу без втручання людини. - Реалізовано інтеграцію методів обробки зображень і нейронних мереж у вигляді програмного забезпечення, яке автоматизує процес аналізу зернових культур, підвищуючи продуктивність і зменшуючи вплив людського фактора. - Запропоновано адаптивний підхід до обробки складних зображень зернових культур, який враховує їх щільність, рівень освітленості та наявність домішок, забезпечуючи точність аналізу в реальних умовах агропромислового виробництва. Практична цінність полягає у можливості використання розроблених методів для швидкого та точного аналізу якості зернових культур. Застосування автоматизованої системи комп’ютерного зору знижує витрати часу на перевірку зразків і дозволяє значно зменшити залежність від суб’єктивного людського фактору, забезпечуючи об'єктивність і точність результатів аналізу. Розроблене програмне забезпечення може бути використане в агропідприємствах та лабораторіях для контролю якості зернових зразків. Апробація роботи. Тесленко О.К., Кузьмич А.А. Комп’ютерні технології для автоматизованого визначення якості та засміченості зерен пшениці. Прикладна математика та комп’ютинг. ПМК, 2024: сімнадцята наук. конф. магістрантів та аспірантів, 20–32 листопада 2024 р.: зб.тез доп./[редкол.: Дичка І.А. та ін.]. – К. : Просвіта, 2024. – с.. Степаненко С.П., Кузьмич А.Я., Волик Д.А., Кузьмич А.А. Перспективи застосування комп’ютерного зору для оцінки якості зерна. Сучасні технології агропромислового виробництва: матеріали міжнар. наук.-практ. конф., 14–15 листопада 2024 р., Центральноукраїнський національний технічний університет, Кропивницький, Україна. – Кропивницький: ЦНТУ, 2024. – с. . Структура та обсяг роботи. Магістерська дисертація складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. Загальний обсяг роботи становить 82 сторінки. Дисертація містить 4 таблиці, 26 рисунків та 2 додатки.
dc.description.abstractotherRelevance of the Topic The modern development of the agro-industrial sector is closely connected with the implementation of innovative technologies, particularly the automation and digitalization of production processes, which ensure increased productivity and improved quality of final products. In the context of global competition and high requirements for the quality of grain crops, the demand for automated solutions to monitor grain purity is growing. One of the promising approaches to ensuring high-quality analysis is the application of computer vision technologies, which enable the automation of the identification and classification of objects in grain samples. Computer vision, utilizing modern deep learning algorithms, offers new possibilities for detecting and classifying impurities in grain samples. The application of such technologies allows the analysis process to be automated, reducing dependence on human factors, increasing the speed and accuracy of inspections. This is particularly relevant for Ukraine, as an agricultural country, where the quality control of grain crops is a critical component for ensuring competitiveness in the global market. Developing methods for automated grain purity control using computer vision is a significant scientific and practical task as it enhances the efficiency and quality of agro-industrial production. The object of the study is the methods of image analysis for assessing the quality and purity of grain samples, particularly for detecting impurities in cereal crops. The subject of the study is computer vision technologies, deep learning algorithms, and neural networks used for object classification and determining the level of impurity in grain samples. Purpose of the Work The goal is to analyze modern computer vision methods applied to the automatic determination of impurity levels in grain crops and to develop an effective image processing methodology for grain samples adapted to the agricultural sector's conditions. The study aims to create software capable of automatically identifying particle types and calculating sample purity levels. Scientific Novelty - A method for adaptive image segmentation of grain crops has been developed, utilizing the CLAHE algorithm and adaptive parameter determination to ensure segmentation accuracy under variable lighting and sample density conditions. - A novel approach to the classification of grain crop images based on a deep convolutional neural network with an optimized architecture has been proposed, achieving high accuracy and processing speed. - The methodology for assessing the impurity level in grain samples has been improved, including the automatic calculation of the area ratio between grains and impurities, allowing the material's quality to be assessed without human intervention. - The integration of image processing methods and neural networks has been implemented in the form of software that automates the analysis of grain crops, improving productivity and reducing the influence of human factors. - An adaptive approach to processing complex grain crop images has been proposed, considering their density, lighting level, and impurity presence, ensuring analysis accuracy under real agro-industrial production conditions. Practical Value The developed methods can be used for fast and accurate analysis of grain crop quality. Implementing an automated computer vision system reduces the time spent on sample inspections and significantly minimizes dependence on subjective human factors, ensuring the objectivity and accuracy of analysis results. The developed software can be utilized in agricultural enterprises and laboratories to control the quality of grain samples. Structure and scope of the work. Chapter 1. Modern Methods for Assessing Grain Quality: Technologies and Prospects for the Application of Computer Vision This chapter analyzes contemporary approaches to assessing the quality of grain crops. It discusses key methods for automating quality control, including visual and computational techniques, and explores general approaches to the application of computer vision and neural network methods. Chapter 2. Analysis of Modern Advances in Grain Crop Analysis This chapter is devoted to the development and analysis of methodologies for processing and analyzing images of grain crops. Special attention is given to adaptive algorithms and machine learning methods for classification. Chapter 3. Features of Software Implementation This chapter describes the implementation of software for automating the analysis of grain crop images, including the selection of development tools and the architecture of the developed solution. Chapter 4. This chapter examines the results of testing the developed methods for segmentation and classification on various samples under different conditions. The analysis focuses on evaluating the effectiveness of the proposed approaches in handling diverse scenarios, such as varying lighting conditions, sample density, and the presence of impurities. The findings provide insights into the reliability, accuracy, and adaptability of the implemented algorithms in real-world applications.
dc.format.extent100 с.
dc.identifier.citationКузьмич, А. А. Засоби комп’ютерного зору визначення стану злакових культур : магістерська дис. : 123 Комп'ютерна інженерія / Кузьмич Анна Альвіанівна . – Київ, 2024. – 100 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71302
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкомп'ютерний зір
dc.subjectзернові культури
dc.subjectрівень засміченості
dc.subjectобробка зображень
dc.subjectкласифікація
dc.subjectcomputer vision
dc.subjectgrain crops
dc.subjectimpurity level
dc.subjectimage processing
dc.subject.udc004.05
dc.titleЗасоби комп’ютерного зору визначення стану злакових культур
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Kuzmisch_AA_KV31mp_magistr_2024.docx
Розмір:
6.87 MB
Формат:
Microsoft Word XML
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (СПСКС)
Магістерські роботи