Исследователи из КНИТУ-КАИ разработали программное обеспечение, которое значительно улучшает точность распознавания объектов на тепловизионных изображениях благодаря использованию сверточной нейронной сети YOLO и алгоритмов фильтрации. Этот софт получил официальную регистрацию в Федеральной службе по интеллектуальной собственности.
Программа позволяет анализировать и визуализировать объекты на основе их теплового излучения. Входными данными выступают тепловизионные изображения, на которых автоматически выделяются объекты с классификацией по типам.
«Создание этого инструмента ответило на реальную потребность промышленных предприятий, а идея принадлежит студенту во время прохождения практики на компании, занимающейся оптико-электронными системами», — отмечает профессор кафедры автоматизированного проектирования Зиннур Гизатуллин.
В основе программы лежит сверточная нейронная сеть YOLO, способная быстро и точно работать с изображениями, выявляя пространственные связи между пикселями. Для повышения качества распознавания применялись фильтры Собеля, Гаусса, Шарпа и Лапласа, что позволило увеличить точность на 8-19%. Результатом работы становится обработанное изображение с выделенными объектами и отчетом о их классификации.
Ключевыми преимуществами решения являются высокая точность даже при шуме и низкой контрастности, автоматический анализ больших объемов данных без оператора, а также способность системы к самообучению и адаптации под новые задачи.
Это делает программу полезной в медицине, промышленности и системах безопасности, где важен быстрый и точный анализ тепловых полей, выявление дефектов, охрана объектов и контроль здоровья.
Уникальный биосенсор на основе спирулины создали для анализа дыхания. Сенсор на кремниевой основе воспринимает испарения воды, перекиси водорода, уксуса и спирта, тогда как образец на углеродных волокнах особенно чувствителен к механическим воздействиям – касаниям и вибрации.