Рассмотрены наиболее распространенные виды дефектов стальных канатов, возникающих при эксплуатации пассажирских канатных дорог, а также причины их возникновения. Проведен анализ геометрических параметров и структуры стального каната с имеющимся дефектом «волнистость», построена компьютерная 3D-модель с использованием видеоаналитики. Рассмотрен оптический метод обнаружения поверхностных дефектов стальных канатов на базе машинного зрения и искусственного интеллекта для дистанционного непрерывного мониторинге его технического состояния.
Коллективная монография посвящена сравнительному анализу и перспективам развития обеспечения комплексной безопасности в ВУЗе.
Рассматриваются вопросы развития обеспечения безопасности образовательного учреждения, основные меры и мероприятия: организация контрольно-пропускного режима, инженерно-технического обеспечения антитеррористической безопасности, защищенности учреждения, взаимодействия с правоохранительными органами и новые виды систем видеонаблюдения и контроля учета доступа, оснащенные видеоаналитикой. Представлено описание инновационных технологий и программ предоставления услуг по безопасности учреждения.
Монография предназначена для студентов высших учебных заведений, а так же может быть использовано студентами в качестве руководства для самостоятельной работы и преподавателями для проведения практических занятий и специалистов-практиков, научных работников, аспирантов И студентов вузов сферы экономики и юриспруденции.
Стремительное развитие и внедрение инновационных технологий, в частности, компьютерного зрения, открывает новые перспективы для оптимизации процессов в различных отраслях, включая хлебопекарную промышленность России. Данное исследование посвящено изучению возможностей применения систем компьютерного зрения для контроля доступности хлебобулочных изделий на полках магазинов в режиме реального времени. В рамках работы проанализированы существующие решения, основанные на технологиях компьютерного зрения, и оценена их эффективность в контексте российского рынка хлебобулочных изделий. Материалы и методы исследования включают в себя анализ научных публикаций, патентов и практических кейсов, связанных с применением компьютерного зрения в ритейле, а также проведение серии экспериментов в условиях реальных магазинов. В ходе экспериментов использовались системы видеонаблюдения с разрешением 1080p и частотой кадров 30 fps, а также специализированное программное обеспечение для обработки и анализа изображений, основанное на алгоритмах глубокого обучения (deep learning) и сверточных нейронных сетях (Convolutional Neural Networks, CNN). Результаты исследования демонстрируют, что внедрение технологий компьютерного зрения позволяет повысить эффективность контроля доступности хлебобулочных изделий на полках магазинов на 25-30% по сравнению с традиционными методами, основанными на ручном мониторинге. Система компьютерного зрения способна в режиме реального времени с точностью до 95% определять наличие или отсутствие товара на полке, а также идентифицировать конкретные виды хлебобулочных изделий. Кроме того, применение компьютерного зрения позволяет сократить трудозатраты персонала на 15-20% и снизить потери продаж, связанные с отсутствием товара на полках, в среднем на 10-12%.
Комплексирование нескольких моделей в одну систему технического зрения позволит решать более сложные и комплексные задачи. В частности, для мобильной робототехники и беспилотных летательных аппаратов (БЛА) является актуальной проблемой отсутствие наборов данных для различных условий. В работе в качестве решения данной проблемы предлагается комплексирование нескольких моделей: сегментации, сопровождения и классификации. Это позволит значительно повысить качество решения сложных задач без дополнительного обучения. Модель сегментации позволяет выделять произвольные объекты из кадров, поэтому ее можно использовать в недетерминированных и динамических средах. Модель классификации позволяет определить необходимые для навигации объекты, которые затем сопровождаются с помощью третей модели. В работе подробно описан алгоритм комплексирования моделей. Ключевым элементом в алгоритме является коррекция предсказаний моделей, позволяющая достаточно надежно сегментировать и сопровождать различные объекты. Процедура коррекции предсказаний моделей решает следующие задачи: добавление новых объектов для сопровождения, валидация сегментированных масок объектов и уточнение сопровождаемых масок. Универсальность данного решения подтверждается работой в сложных условиях, на которых не обучали модели, например, подводная съемка или изображения с БЛА. Проведено экспериментальное исследование каждой из моделей в условиях открытой местности и в помещении. Наборы данных включали сцены актуальные для мобильной робототехники. В частности, в сценах присутствовали движущиеся объекты (человек, автомобиль) и возможные преграды на пути робота. Для большинства классов метрики качества сегментации превышали 80%. Основные ошибки связаны с размерами объектов. Проведенные эксперименты наглядно демонстрируют универсальность данного решения без дополнительного обучения моделей. Дополнительно проведено исследование быстродействия на персональном компьютере с различными входными параметрами и разрешением. Увеличение количества моделей значительно повышает вычислительную нагрузку и не достигает реального времени. Поэтому одним из направления дальнейших исследований является повышение быстродействия системы.