Бучма, Ігор МихайловичЦюприк, Назарій ЮрійовичTsiupryk, Nazarii Yuriiovych2025-01-1520242024Цюприк Н. Ю. Дослідження автоматизованої комп’ютерної системи виявлення провідних об’єктів у водних глибинах. Теоретично-апаратна частина. : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „8.174.00.06 — Комп'ютеризовані системи управління та автоматика“ / Назарій Юрійович Цюприк. — Львів, 2024. — 110 с.https://ena.lpnu.ua/handle/ntb/62829Актуальність дослідження автоматизованої комп'ютерної системи для виявлення провідних об'єктів у водних глибинах обґрунтована необхідністю вдосконалення методів підводного моніторингу, що є важливим для багатьох сучасних завдань. Індустріальні, екологічні та оборонні виклики потребують високоточних і адаптивних технологій, здатних працювати в умовах змінних характеристик водного середовища, таких як мутність, шум, змінна температура та щільність. Традиційні методи виявлення, зокрема магнітометрія та сонар, мають свої обмеження. Перший підхід ефективний для виявлення провідних матеріалів, однак не забезпечує візуалізації об'єктів. Акустичні технології дозволяють створювати карти підводного середовища, проте їх ефективність знижується при роботі з малими чи слабко відбивними об’єктами [1]. У цьому контексті поєднання підходів стає важливим для досягнення високої точності. Інтеграція магнітних та гідролокаційних методів разом із алгоритмами глибокого навчання, такими як YOLO, дозволяє адаптувати системи до складних умов і забезпечувати аналіз у реальному часі. Використання мультисенсорних даних значно зменшує ймовірність помилкових спрацьовувань та підвищує ефективність класифікації, а багатомасштабність забезпечує розпізнавання об'єктів різного розміру та форми навіть у складних середовищах. Поєднання цих технологій із автономними безпілотними апаратами (AUV) забезпечує можливість 5 автономного збору даних у складних умовах, зменшуючи залежність від людського втручання та розширюючи глибини дослідження [2]. Таким чином, дослідження систем, які поєднують багатомасштабне виявлення та комбіновані методи, є ключовим для створення адаптивних і високоефективних рішень для підводного моніторингу та ідентифікації об’єктів. Об’єкт дослідження включає процес виявлення провідних об'єктів у водному середовищі. Предмет дослідження зосереджується на алгоритмах і технологіях для точного аналізу підводних даних. Мета дослідження полягає у знаходженні рішення вдосконалення автоматизованої комп'ютерної системи для виявлення провідних об'єктів у водних глибинах, що забезпечить високу точність, стабільність і надійність у складних умовах підводного середовища. Акцент зроблено на інтеграції новітніх методів обробки підводних сигналів, мультисенсорних технологій, адаптивних алгоритмів та механізмів уваги, а також - на запровадженні ідентифікації об’єктів на основі магнітних карт чи сонарних зображень через алгоритм комп’ютерного зору. У першому розділі розглянуто сучасні технології виявлення провідних об'єктів, серед яких акустичні, магнітні та вихрострумові методи, що інтегруються з алгоритмами штучного інтелекту для підвищення точності аналізу. Описано використання автономних підводних апаратів, безпілотних літальних пристроїв та швидкохідних катерів, які забезпечують ефективний збір даних у складних умовах. Зроблено висновок про необхідність подальшого удосконалення цих технологій для роботи в підводних середовищах із високими вимогами до точності та стабільності. 6 У другому розділі розглядаються призначення, важливість і проблеми, що виникають при виявленні провідних об'єктів у водних глибинах. Підкреслено складність цього завдання через вплив екологічних факторів, таких як температура, солоність і мутність води, що ускладнюють точність виявлення об'єктів. Оцінюється значення автоматизованих систем для покращення точності, ефективності та безпеки підводних досліджень, а також розглядаються економічні, екологічні та технічні аспекти, які сприяють розвитку цих технологій. У третьому розділі розглянуто різні методи виявлення підводних об'єктів, такі як сонар, магнітометрія, вихрострумовий метод і мультисенсорні системи, що забезпечують точність та ефективність досліджень у складних водних умовах. Окремо акцентовано увагу на застосуванні алгоритму YOLO для реального часу виявлення об'єктів, що дозволяє підвищити швидкість та точність розпізнавання, особливо в підводних дослідженнях. Також детально розглянуті сучасні підводні технології, що інтегрують акустичні, оптичні та інші сенсори для точного картографування та моніторингу підводного середовища. У четвертому розділі описано вдосконалення автоматизованої системи виявлення провідних об'єктів у водних глибинах. Розглянуто структуру бази даних для обробки даних із сенсорів (акустичних і вихрострумових), з акцентом на швидкий доступ та резервування. Окремо проаналізовано комбінування автономних підводних апаратів (AUV), сонарів і магнітометрії з алгоритмом YOLOv9, що покращує точність локалізації та ефективність обробки сигналів у реальному часі. Додатково розглянуто вдосконалення YOLOv9 через інтеграцію з нейронними мережами і сенсорами, оптимізацію модулів AConv, впровадження механізмів уваги CBAM і багатомасштабне виявлення. Зроблено акцент на аугментації даних і мультисенсорній інтеграції для підвищення точності та продуктивності, зокрема на пристроях з обмеженими ресурсами. 7 У п’ятому розділі проводиться економічне обґрунтування доцільності розробки програмного забезпечення, включаючи аналіз витрат на розробку, експлуатацію та порівняння економічної ефективності з аналогами. Оцінюється потенціал для зниження витрат та збільшення продуктивності через автоматизацію процесів та адаптивність системи. Розглядаються можливості масштабування для інших застосувань, таких як екологічний моніторинг та морські дослідження, підкреслюючи високу економічну ефективність запропонованої системи.Актуальність дослідження автоматизованої комп'ютерної системи для виявлення провідних об'єктів у водних глибинах обґрунтована необхідністю вдосконалення методів підводного моніторингу, що є важливим для багатьох сучасних завдань. Індустріальні, екологічні та оборонні виклики потребують високоточних і адаптивних технологій, здатних працювати в умовах змінних характеристик водного середовища, таких як мутність, шум, змінна температура та щільність. Традиційні методи виявлення, зокрема магнітометрія та сонар, мають свої обмеження. Перший підхід ефективний для виявлення провідних матеріалів, однак не забезпечує візуалізації об'єктів. Акустичні технології дозволяють створювати карти підводного середовища, проте їх ефективність знижується при роботі з малими чи слабко відбивними об’єктами [1]. У цьому контексті поєднання підходів стає важливим для досягнення високої точності. Інтеграція магнітних та гідролокаційних методів разом із алгоритмами глибокого навчання, такими як YOLO, дозволяє адаптувати системи до складних умов і забезпечувати аналіз у реальному часі. Використання мультисенсорних даних значно зменшує ймовірність помилкових спрацьовувань та підвищує ефективність класифікації, а багатомасштабність забезпечує розпізнавання об'єктів різного розміру та форми навіть у складних середовищах. Поєднання цих технологій із автономними безпілотними апаратами (AUV) забезпечує можливість 5 автономного збору даних у складних умовах, зменшуючи залежність від людського втручання та розширюючи глибини дослідження [2]. Таким чином, дослідження систем, які поєднують багатомасштабне виявлення та комбіновані методи, є ключовим для створення адаптивних і високоефективних рішень для підводного моніторингу та ідентифікації об’єктів. Об’єкт дослідження включає процес виявлення провідних об'єктів у водному середовищі. Предмет дослідження зосереджується на алгоритмах і технологіях для точного аналізу підводних даних. Мета дослідження полягає у знаходженні рішення вдосконалення автоматизованої комп'ютерної системи для виявлення провідних об'єктів у водних глибинах, що забезпечить високу точність, стабільність і надійність у складних умовах підводного середовища. Акцент зроблено на інтеграції новітніх методів обробки підводних сигналів, мультисенсорних технологій, адаптивних алгоритмів та механізмів уваги, а також - на запровадженні ідентифікації об’єктів на основі магнітних карт чи сонарних зображень через алгоритм комп’ютерного зору. У першому розділі розглянуто сучасні технології виявлення провідних об'єктів, серед яких акустичні, магнітні та вихрострумові методи, що інтегруються з алгоритмами штучного інтелекту для підвищення точності аналізу. Описано використання автономних підводних апаратів, безпілотних літальних пристроїв та швидкохідних катерів, які забезпечують ефективний збір даних у складних умовах. Зроблено висновок про необхідність подальшого удосконалення цих технологій для роботи в підводних середовищах із високими вимогами до точності та стабільності. 6 У другому розділі розглядаються призначення, важливість і проблеми, що виникають при виявленні провідних об'єктів у водних глибинах. Підкреслено складність цього завдання через вплив екологічних факторів, таких як температура, солоність і мутність води, що ускладнюють точність виявлення об'єктів. Оцінюється значення автоматизованих систем для покращення точності, ефективності та безпеки підводних досліджень, а також розглядаються економічні, екологічні та технічні аспекти, які сприяють розвитку цих технологій. У третьому розділі розглянуто різні методи виявлення підводних об'єктів, такі як сонар, магнітометрія, вихрострумовий метод і мультисенсорні системи, що забезпечують точність та ефективність досліджень у складних водних умовах. Окремо акцентовано увагу на застосуванні алгоритму YOLO для реального часу виявлення об'єктів, що дозволяє підвищити швидкість та точність розпізнавання, особливо в підводних дослідженнях. Також детально розглянуті сучасні підводні технології, що інтегрують акустичні, оптичні та інші сенсори для точного картографування та моніторингу підводного середовища. У четвертому розділі описано вдосконалення автоматизованої системи виявлення провідних об'єктів у водних глибинах. Розглянуто структуру бази даних для обробки даних із сенсорів (акустичних і вихрострумових), з акцентом на швидкий доступ та резервування. Окремо проаналізовано комбінування автономних підводних апаратів (AUV), сонарів і магнітометрії з алгоритмом YOLOv9, що покращує точність локалізації та ефективність обробки сигналів у реальному часі. Додатково розглянуто вдосконалення YOLOv9 через інтеграцію з нейронними мережами і сенсорами, оптимізацію модулів AConv, впровадження механізмів уваги CBAM і багатомасштабне виявлення. Зроблено акцент на аугментації даних і мультисенсорній інтеграції для підвищення точності та продуктивності, зокрема на пристроях з обмеженими ресурсами. 7 У п’ятому розділі проводиться економічне обґрунтування доцільності розробки програмного забезпечення, включаючи аналіз витрат на розробку, експлуатацію та порівняння економічної ефективності з аналогами. Оцінюється потенціал для зниження витрат та збільшення продуктивності через автоматизацію процесів та адаптивність системи. Розглядаються можливості масштабування для інших застосувань, таких як екологічний моніторинг та морські дослідження, підкреслюючи високу економічну ефективність запропонованої системи. Ключові слова: автоматизована комп'ютерна система, виявлення об'єктів, машинне навчання, програмне забезпечення, технології виявлення, датчики. Перелік використаних літературних джерел: 1. Influence of the determinants of online customer experience on online customer satisfaction - Shefali Jaiswal and Anurag Singh: Paradigm 24(1) 41–55, 2020 https://journals.sagepub.com/doi/pdf/10.1177/0971890720914121 2. Making sense of customer service experiences: a text mining review – Dominik Mahr, Susan Stead, Gaby Odekerken-Schroder: Journal of Services Marketing ISSN: 0887-6045. https://www.emerald.com/insight/content/doi/10.1108/JSM-10-2018-0295/full/htmluk8.174.00.06автоматизована комп'ютерна системавиявлення об'єктівмашинне навчанняпрограмне забезпеченнятехнології виявленнядатчикиStudents_diploma© Національний університет "Львівська політехніка", 2024© Цюприк, Назарій Юрійович, 2024110