Page 15 - Актуальные научно-технические средства и сельскохозяйственные проблемы: материалы VII Национальной научно-практической конференции с международным участием

Актуальные научно-технические средства и сельскохозяйственные проблемы: материалы VII Национальной
научно-практической конференции с международным участием 15

мониторинг состояния производственных сооружений, конструкций и
сельскохозяйственной техники на предмет выявления очагов коррозии и их
последующая обработка спецсредствами. Для сокращения трудоемкости
выполнения этих работ необходимо решение двух задач – обеспечение
мобильности и автономности функционирования технических средств при
обработке объектов различной формы и конфигурации и своевременное
обнаружение проблемных зон.
В качестве технического средства при решении данных задач
целесообразно рассматривать беспилотные летательные аппараты, имеющие
возможность модульного оснащения компьютерным зрением, позволяющим
автономно определять очаги коррозии на сооружениях. Компьютерное зрение в
данном модуле можно реализовать посредством нейронных сетей.
Наиболее оптимальными для распознавания изображений являются
сверточные нейронные сети. Архитектура таких сетей представляет собой сетку
из трех основных слоев: слой свертывания, слой пуллинга (субдискретизация), а
также полносвязный слой. Принцип работы сверхточных нейронных сетей
заключается в работе с тензорами. В качестве тензора выступает разбитое на
матричную сетку изображение, представляющее собой матричный массив чисел
[3-5].
С технической точки зрения, фотография поверхности (рис. 1а)
загружается в нейросеть, затем оцифровывается, разбивая изображение на
пиксели (рис. 1б). Пиксельное изображение, в свою очередь, превращается в
массив из 1 и 0.

а б в
Рисунок 1. – Стадии обработки графического изображения нейросетью:
а - входящее изображение; б - разбитое на пиксели изображение; в -«область
интереса» нейросети

Все пиксели, отличающиеся от общей выборки, обозначаются цифрой «1»
(рис. 1в), и в полученном массиве воспринимаются нейронной сетью как