Машинне навчання для оцiнки руйнувань у будiвлях за даними БПЛА
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Квалiфiкацiйна робота мiстить: 56 стор., 15 рисункiв, 3 таблицi, 25 джерел.
Робота присвячена розв’язанню актуальної науково-прикладної задачi автоматизованого виявлення та кiлькiсного пiдрахунку пошкоджених вiкон за даними безпiлотних лiтальних апаратiв (БПЛА) з метою швидкої оцiнки масштабiв iнфраструктурних руйнувань. У процесi дослiдження проаналiзовано специфiку аерофотознiмкiв та виявлено неефективнiсть iснуючих вiдкритих наборiв даних для поставленої задачi, що зумовило необхiднiсть створення, очищення та балансування власного спецiалiзованого датасету. Проведено порiвняльний аналiз архiтектур згорткових нейронних мереж. Встановлено, що моделi YOLO (вiд англ. You Only Look Once) демонструють найвищу стiйкiсть до складного фону фасадiв. Дослiджено вплив масштабування моделей, режимiв аугментацiї та методiв оптимiзацiї iнференсу. Перевiрено, що використання надмiрних геометричних аугментацiй руйнує просторовi ознаки дрiбних об’єктiв. Знайдено, що оптимальний баланс мiж точнiстю, повнотою виявлення (англ. Recall) та обчислювальною швидкiстю забезпечує конфiгурацiя YOLO11s iз застосуванням аугментацiї пiд час тестування. Розроблено та iмплементовано алгоритм математичної постобробки результатiв iнференсу, який включає багатокритерiальну фiльтрацiю (за впевненiстю, площею об’єкта) та використання алгоритму Non-Maximum Suppression (NMS). Розроблена система готова до iнтеграцiї у програмнi комплекси монiторингу для пришвидшення процесу лiквiдацiї наслiдкiв руйнувань.
Опис
Ключові слова
детекцiя об’єктiв, глибинне навчання, yolo, комп’ютерний зiр, оцiнка руйнувань, БПЛА
Бібліографічний опис
Шмига, Д. Г. Машинне навчання для оцiнки руйнувань у будiвлях за даними БПЛА : дипломна робота ... бакалавра : 113 Прикладна математика / Шмига Дарина Геннадiївна. – Київ, 2026. – 56 с.