Нікітін, В. В.2023-02-012023-02-012022Нікітін В. В. Розроблення програмного забезпечення для автоматизованої ідентифікації знаків дорожнього руху : пояснювальна записка до кваліфікаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 151 – Автоматизація та комп`ютерно-інтегровані технології / В. В. Нікітін ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки – Харків, 2022. – 97 с.https://openarchive.nure.ua/handle/document/21645Таким чином, тема атестаційної роботи, повʼязана з розробленням програмного забезпечення для автоматизованої ідентифікації знаків дорожнього руху, є актуальною. Об’єкт дослідження – комп’ютерний зір. Предмет дослідження – визначення об'єктів за допомогою TensorflowJS. Мета кваліфікаційної роботи – автоматизація технологій визначення знаків дорожнього руху. Методи дослідження – аналіз та порівняння, метод класифікації, повний факторний експеримент. Для досягнення поставленої мети необхідно вирішити наступні завдання: – обрати метод машинного навчання моделі; – обрати середовище для розробки додатка; – вивчити предметну область вже існуючих програмних рішень; – обрати мову програмування; – описати структуру програмного додатку; – розробити алгоритми конвертації моделей для вебдодатка; – розробити програмне забезпечення. У кваліфікаційній роботі досліджено методи машинного навчання моделей для розпізнавання об’єктів у реальному часі за допомогою вебкамери комп’ютера або камери іншого пристрою який сумісний для роботи додатку. Для цього проведено аналіз та порівняння існуючих методів машинного навчання для розпізнавання об’єктів за допомогою технологій OpenCV та похідних від цієї технологій розпізнавання об’єктів розроблених на базі OpenCV та реалізованих мовою програмування JavaScript і бібліотеки Tensorflow. Проведено моделювання залежності зміни основних параметрів пресформи: висота неактивного шару, відстані від перегородки до камери, відстань перегородок між камерами, які впливають на конструктивно-функціонуванні параметри «пальця». На базі проведеного дослідження розроблено додаток для створення моделей машинного навчання за допомогою бібліотеки Tensorflow. Для цього використано методи регресійного аналізу, зроблено постановку повного факторного експерименту, які найбільше впливають на функціонування та дозволяють ідентифікувати математичні моделі. Результати кваліфікаційної роботи апробовані у 3 фахових статтях та 2 міжнародних конференціях.ukTENSERFLOWкомпʼютерний зірKERASOther