Олійник, Володимир ВалентиновичЯкименко, Володимир Сергійович2026-01-212026-01-212025Якименко, В. С. Система семантичної сегментації зображень робота-оприскувача : магістерська дис. : 126 Інформаційні системи та технології / Якименко Володимир Сергійович. – Київ, 2025. – 141 с.https://ela.kpi.ua/handle/123456789/78313Магістерська дисертація складається зі 150 сторінок, містить 3 таблиці, 43 рисунки, 9 додатків та 66 джерел. Обєктом дослідження є процес семантичної сегментації зображень, отриманих від камер робота-оприскувача. Метою дисертації є підвищення ефективності процесу семантичної сегментації зображень у підсистемі комп’ютерного зору робота- оприскувача шляхом удосконалення та експериментального дослідження архітектури та програмного забезпечення. У першому розділі проведено аналіз сучасного точного землеробства, ролі робототехніки та проблематики суцільного оприскування, сформулювавши конкретну задачу семантичної сегментації. У другому розділі детально проаналізовано теоретичні основи та практичні реалізації методів семантичної сегментації, включаючи еволюцію архітектур глибокого навчання та потенціал моделі SAM. У третьому розділі визначено функціональні та нефункціональні вимоги до розроблюваної системи семантичної сегментації, а також сформульовано вимоги до апаратної платформи. У четвертому розділі здійснено детальне обґрунтування архітектурних рішень, обравши гібридний підхід на базі SAM та легковажного класифікатора, та визначено технологічний стек для розробки. У пятому розділі викладено послідовність етапів практичної реалізації системи, включаючи збір та підготовку набору даних, програмну імплементацію архітектури нейронної мережі, процес її навчання та розробку модуля інференсу з постобробкою. У шостому розділі представлено математичне та теоретичне обґрунтування системи семантичної сегментації, детально викладено методи оцінки її ефективності та розглянуто роль апаратних прискорювачів. У сьомому розділі представлено результати практичної апробації розробленої системи, проаналізовано ключові метрики якості та швидкодії, порівняно їх з базовими моделями та окреслено перспективи подальшого вдосконалення.141 с.ukсемантична сегментаціяоброблення зображеньробот-оприскувачавтономні системиштучний інтелекткомп&#39ютерний зірглибоке навчаннянейронні мережіметоди класифікаціїагротехнологіїMaster Thesis004.8