Стаття присвячена дослідженню застосування методів машинного навчання та штучного інтелекту для автоматизації контролю якості в поліграфічному виробництві. Актуальність дослідження зумовлена зростаючими вимогами до якості друкованої продукції, скороченням накладів, збільшенням різноманітності замовлень та необхідністю мінімізації браку в умовах високошвидкісного друку.
У статті розглянуто методи та засоби розпізнавання облич у відеопотоці даних із використанням елементів машинного навчання. Системи розпізнавання облич широко застосовуються у відеоспостереженні, системах контролю доступу, біометричній ідентифікації та інтелектуальних інформаційних системах. Проаналізовано основні підходи до ідентифікації осіб на основі методів комп’ютерного зору, зокрема методу головних компонент (PCA), метод локальних бінарних шаблонів та методу лінійного дискримінантного аналізу (LDA, Fisherfaces). Описано принципи формування ознак облич та алгоритми їх класифікації.
У статті розв’язана задача підвищення точності автоматизованого виявлення об’єктів на тепловізійних зображеннях в умовах низького контрасту, шумів сенсора та структурної невиз-наченості місцевості. Актуальність дослідження зумовлена зростаючим використанням безпілотних літальних апаратів для моніторингу та розвідки, де тепловізійні системи є ключовим джерелом інформації в умовах обмеженої видимості.
У статті розглядається актуальна задача планування польоту ройових систем мобільних сенсорних платформ із інтегрованою системою виявлення замаскованих об’єктів у складних умовах спостереження. З огляду на швидке збільшення обсягів даних, що надходять від розподілених сенсорних агентів, а також високі вимоги до точності та оперативності прийняття рішень, запропоновано комплексний підхід до динамічного отримання, опрацювання та розпізнавання тривимірних зображень конструктивних об’єктів.
Прилади нічного бачення (ПНБ) та тепловізійні камери широко використовують в багатьох сферах: спостереження, безпека та моніторинг, пошук і порятунок, реагування на надзвичайні ситуації, промисловий контроль та обслуговування, наземні роботи та безпілотні літальні апарати. Прилади нічного бачення працюють за принципом підсилення залишкового світла (світла зірок, Місяця, міського освітлення) у видимому та ближньому інфрачервоному діапазонах (0,4–0,9 мкм). Тепловізійні прилади реєструють теплове випромінювання об’єктів у середньому (3–5 мкм) або дальньому (8–14 мкм) інфрачервоному діапазоні.
Автономна навігація безпілотних літальних апаратів (БПЛА) в неструктурованих промислових середовищах залишається складним завданням через нерегулярну геометрію, динамічні перешкоди та невизначеність сенсорних даних. Класичні системи SLAM, попри геометричну узгодженість, часто виявляються нестійкими за умов поганої ініціалізації, відсутності текстури або наявності віддзеркалювальних поверхонь. Щоб подолати ці обмеження, у роботі запропоновано гібридний трансформерно-геометричний підхід, який поєднує навчальні апріорні уявлення сцени з ключовим SLAM-конвеєром.
Розглянуто технології комп’ютерного зору, що застосовуються для автоматизації маркування товарів. Викладено суть технологій оптичного розпізнавання символів (OCR), зчитування штрихкодів та QRкодів, а також систем контролю якості друку. Проведено огляд відкритих бібліотек (Tesseract, EasyOCR, OpenCV), хмарних сервісів (Google Vision API, AWS Textract) та інструментів для мобільних застосунків. Описано переваги та недоліки використання цих рішень у логістиці, роздрібній торгівлі та виробництві.
The goal of the article is to provide a methodology of improving images quality in low-light conditions trough fusion of data received from telecamera and thermal camera. Data from thermal camera uses for compensation of significant illumination reduction in poor lighting conditions and allow keep required level of information. Proposed method establishes dynamic regulation of fusion coefficients depending on brightness level to minimize artifacts, increase edge sharpness, and improve object detectability.
This paper is dedicated to developing and evaluating the facial recognition system, focusing on its effectiveness and operational reliability under real-world conditions. The choice of the Raspberry Pi hardware platform for implementing the system has been justified by its capability to process video streams in real time, as well as its compatibility with the high-quality Raspberry Pi Camera V2, which enables the acquisition of images with sufficient resolution for the proper functioning of computer vision algorithms.
У статті розглядаються методи аугментації даних у завданні розпізнавання зображень, зокрема проаналізовано підхід експоненційної аугментації для покращення роботи глибоких нейронних мереж YOLO у задачах детекції об’єктів. Запропонована методика базується на послідовному та багаторазовому застосуванні різних перетворень, включаючи горизонтальне та вертикальне віддзеркалення, обертання на 90°, Gaussian Blur, зміну яскравості та контрастності.