Давиденко, Н. В. та Davydenko, N. V. (2022) МЕТОДОЛОГІЧНІ ОСНОВИ ПРОЄКТУВАННЯ ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ КЛАСИФІКАЦІЇ ОБ’ЄКТІВ ЗА ГЕОМЕТРИЧНОЮ ФОРМОЮ ЗОБРАЖЕННЯ ІЗ ЗАСТОСУВАННЯМ НЕЙРОННИХ МЕРЕЖ. Вісник Національного університету водного господарства та природокористування (3(99)). с. 70-81.

Text Vt998 (1).pdf Download(259kB)

Анотація

Запропоновано принципи класифікації об’єктів на основі фор- ми їх зображення, отриманого від технічного зору системи моніторингу технологічного процесу. Запропоновано методологію класифікації, яка спирається на розпізнавання зображення та послідовне використання алгоритмів розпізнавання образів без учителя та з учителем. Для розпізнавання зображення застосовано контурний аналіз. Для опису геометричної форми контуру зображення застосовано морфометричний підхід. Для групування об’єктів застосовано нейронні мережі глибокого навчання згорткового типу. Для побудови класифікатора для визначення належності об’єкта до одного з класів застосовано МГУА-подібні нейронні мережі. Проєктування інформаційної технології системи класифікації виконано з позицій парадигми об’єктно-орієнтованого програмування із застосуванням уніфікованої мови моделювання.

Title in English

METHODOLOGICAL BASES OF DESIGNING INFORMATION TECHNOLOGY FOR CLASSIFICATION OF OBJECTS ACCORDING TO THE GEOMETRIC SHAPE OF THE IMAGE USING NEURAL NETWORKS

English abstract

The principles of realization of classification of objects based on the form of their image received from the technical point of view of system of monitoring of technological process were offered. A classification methodology based on image recognition and consistent use of an uncontrolled classification and teacher-based classification algorithm was proposed. Contour analysis was used to recognize the image. A one-pass algorithm was used to construct the image contour. The coding of the contour is performed by the coordinates of the ends of the arcs. A morphometric approach is used to describe the geometric shape of the image contour. Deep learning convolutional neural networks are used to group objects. Pre-learning neural network training without a teacher based on a restricted Boltzmann machine and an error backpropagation algorithm are used to configure synaptic connections of the entire network. The group method of data handling was used to construct a classifier to determine the belonging of an object to one of the classes. Structural and parametric identification of the model is performed using neural networks of the group method of data handling. Analysis and design of information technology classification of objects is performed from the standpoint of objectoriented approach using the principles of a unified software development process. A design model of information technology, presented in the form of UML-diagrams, is the result of the design. Description of the functionality and behavior of information technology for the classification of images of objects was performed using a use case diagram. The application of the proposed UML model of object-oriented architecture of information technology provides the implementation of the process of designing a software product of the block structure.

Перегляд елементу

Завантажень