ІоТ система автоматизованого обліку присутності працівників на виробництві

Abstract

У бакалаврській кваліфікаційній роботі вирішувалася задача розробки IoT системи автоматизованого обліку присутності працівників на виробництві. Метою роботи є розробка системи моніторингу доступу до приміщення з використанням технологій розпізнавання облич. У першому розділі подано аналіз існуючих методів авторизації, сучасних біометричних систем, а також виконано огляд аналогічних комерційних рішень. Після аналітичного порівняння здійснено обґрунтування вибору архітектури системи. У другому розділі описано процес вибору апаратного забезпечення. Як керуючий пристрій обрано мікрокомп’ютер Raspberry Pi 3 Model B, що забезпечує керування камерою, кнопкою, індикаторами та надсилання зображень на сервер. Для захоплення кадру використано USB-камеру Logitech C270. Систему розпізнавання реалізовано на окремому сервері з використанням бібліотеки DeepFace та моделі FaceNet, що дозволило досягнути високої точності верифікації особи. Описано також вибір мови програмування (Python), веб-фреймворку Flask та структуру програмної реалізації системи. У третьому розділі здійснено розробку програмного забезпечення: скриптів

для локального контролера, серверного API для розпізнавання облич та веб- інтерфейсу для моніторингу доступу.

У четвертому розділі представлено економічне обґрунтування проєкту, оцінено вартість компонентів і потенційні витрати на реалізацію системи. Мета дослідження - розробити IoT-систему для обліку присутності працівників, що забезпечує автоматичну ідентифікацію особи на основі біометричних ознак, із можливістю інтеграції в локальні мережі підприємства. Висновки відображають результат виконаної роботи: розроблено прототип IoT-системи, який дозволяє фіксувати факти входу та виходу працівників на основі розпізнавання облич, передавати відповідні події на сервер, а також переглядати

5 журнал присутності через веб-інтерфейс. Запропоноване рішення відповідає вимогам до сучасних систем обліку присутності, є масштабованим, адаптивним та готовим до впровадження у виробничих середовищах.This bachelor's qualification work addresses the development of an IoT-based system for automated employee attendance tracking in industrial environments. The aim of the project is to design and implement an access monitoring system that utilizes facial recognition technologies for identifying personnel. The first chapter provides an overview of existing authorization methods, modern biometric systems, and a review of commercial access control solutions. Based on analytical comparisons, the system architecture was justified and selected. The second chapter describes the selection of hardware components. The Raspberry Pi 3 Model B was chosen as the main control unit due to its capability to manage the camera, button, indicators, and to transmit images to a remote server. A Logitech C270 USB camera was used for image capture. Facial recognition is performed on a separate server using the DeepFace library and the FaceNet model, which enabled high verification accuracy. The chapter also outlines the choice of Python as the programming language, the Flask web framework, and the overall structure of the software system. In the third chapter, the development of the software components is presented, including local scripts for the controller, the server-side API for facial recognition, and the web interface for access monitoring. The fourth chapter provides an economic justification of the project, estimating the cost of components and potential implementation expenses. The objective of the study is to develop an IoT system for employee attendance tracking, offering automated biometric identification with the ability to integrate into enterprise-level local networks. The conclusions summarize the results of the work: a functional prototype of the IoT attendance system has been developed, enabling the detection of employee entry and exit events based on face recognition, transmission of these events to the server, and access to the attendance log through a web interface. The proposed solution meets the requirements

7 of modern attendance control systems, offering scalability, adaptability, and readiness for deployment in real-world industrial settings.