{"title":"在应用工程中使用计算机视觉和机器学习:数据分析与识别","authors":"В. Б. Гавран, М. Р. Оринчак","doi":"10.30857/2786-5371.2024.1.2","DOIUrl":null,"url":null,"abstract":"Мета. Розробка моделі машинного навчання для застосування прикладної інженерії для широкого спектру дій, як ідентифікація насіння соняшника серед інших видів насіння та налаштування параметрів шнекового преса відповідно для оптимального видобутку олії. Крім того, вона спрямована на широкий спектр аналізу, для прикладу передбачення моделі для визначення та зменшення шуму. \nМетодика. Аналіз наукових джерел, експериментальних даних, моделювання та машинне навчання. Модель машинного навчання була навчена за допомогою платформи Edge Impulse за допомогою набору зображень насіння, анотованих для фокусу. Після ітеративного навчання, перевірки та тестування модель була вбудована в контролер Arduino для ідентифікації насіння в реальному часі та автоматичного регулювання роботи шнекового преса. \nРезультати. Ця наукова стаття пропонує альтернативний експериментальний підхід в прикладній інженерії, спрямований на процес видобутку насіння для отримання олії за допомогою автоматизації операцій шнекового преса з використанням машинного навчання (ML) та комп'ютерного зору (CV). Ключові результати включають успішне розрізнення насіння соняшника та гарбуза та точне налаштування параметрів шнекового преса на основі ідентифікації типу насіння. ML також використовується для виявлення пустого живильника та автоматичної зупинки роботи преса, що запобігає пошкодженню обладнання та забезпечує ефективність. Ці результати відкривають шлях до покращення автоматизації та точності в процесах видобутку насіння для отримання олії. \nНаукова новизна. Представлене застосування ML і CV в контексті екстракції олії з насіння за допомогою шнекового преса практичним експериментальним методом підкреслює потенціал використання технологій у прикладній інженерії, зокрема оптимізації сільськогосподарських процесів. \nПрактична значимість. Стаття виявляє практичну користь на основі експериментальних даних, що полягають в автоматичної оптимізації процесу видобування олії, зменшенню кількості ручної роботи, та збільшенні продуктивності в даній індустрії виготовлення олії, а також застосування цих методів у галузі прикладної інженерії. Це дослідження є кроком у напрямку автоматизованого майбутнього, в якому передові технології допомагатимуть реалізувати прогресивні, ефективні та сталі підходи галузі агрокультури.","PeriodicalId":22554,"journal":{"name":"Technologies and Engineering","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2024-03-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"ВИКОРИСТАННЯ КОМП'ЮТЕРНОГО ЗОРУ ТА МАШИННОГО НАВЧАННЯ ДЛЯ ПРИКЛАДНОЇ ІНЖЕНЕРІЇ: АНАЛІЗ ТА РОЗПІЗНАВАННЯ ДАНИХ\",\"authors\":\"В. Б. Гавран, М. Р. Оринчак\",\"doi\":\"10.30857/2786-5371.2024.1.2\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Мета. Розробка моделі машинного навчання для застосування прикладної інженерії для широкого спектру дій, як ідентифікація насіння соняшника серед інших видів насіння та налаштування параметрів шнекового преса відповідно для оптимального видобутку олії. Крім того, вона спрямована на широкий спектр аналізу, для прикладу передбачення моделі для визначення та зменшення шуму. \\nМетодика. Аналіз наукових джерел, експериментальних даних, моделювання та машинне навчання. Модель машинного навчання була навчена за допомогою платформи Edge Impulse за допомогою набору зображень насіння, анотованих для фокусу. Після ітеративного навчання, перевірки та тестування модель була вбудована в контролер Arduino для ідентифікації насіння в реальному часі та автоматичного регулювання роботи шнекового преса. \\nРезультати. Ця наукова стаття пропонує альтернативний експериментальний підхід в прикладній інженерії, спрямований на процес видобутку насіння для отримання олії за допомогою автоматизації операцій шнекового преса з використанням машинного навчання (ML) та комп'ютерного зору (CV). Ключові результати включають успішне розрізнення насіння соняшника та гарбуза та точне налаштування параметрів шнекового преса на основі ідентифікації типу насіння. ML також використовується для виявлення пустого живильника та автоматичної зупинки роботи преса, що запобігає пошкодженню обладнання та забезпечує ефективність. Ці результати відкривають шлях до покращення автоматизації та точності в процесах видобутку насіння для отримання олії. \\nНаукова новизна. Представлене застосування ML і CV в контексті екстракції олії з насіння за допомогою шнекового преса практичним експериментальним методом підкреслює потенціал використання технологій у прикладній інженерії, зокрема оптимізації сільськогосподарських процесів. \\nПрактична значимість. Стаття виявляє практичну користь на основі експериментальних даних, що полягають в автоматичної оптимізації процесу видобування олії, зменшенню кількості ручної роботи, та збільшенні продуктивності в даній індустрії виготовлення олії, а також застосування цих методів у галузі прикладної інженерії. Це дослідження є кроком у напрямку автоматизованого майбутнього, в якому передові технології допомагатимуть реалізувати прогресивні, ефективні та сталі підходи галузі агрокультури.\",\"PeriodicalId\":22554,\"journal\":{\"name\":\"Technologies and Engineering\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2024-03-22\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Technologies and Engineering\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30857/2786-5371.2024.1.2\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Technologies and Engineering","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30857/2786-5371.2024.1.2","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
ВИКОРИСТАННЯ КОМП'ЮТЕРНОГО ЗОРУ ТА МАШИННОГО НАВЧАННЯ ДЛЯ ПРИКЛАДНОЇ ІНЖЕНЕРІЇ: АНАЛІЗ ТА РОЗПІЗНАВАННЯ ДАНИХ
Мета. Розробка моделі машинного навчання для застосування прикладної інженерії для широкого спектру дій, як ідентифікація насіння соняшника серед інших видів насіння та налаштування параметрів шнекового преса відповідно для оптимального видобутку олії. Крім того, вона спрямована на широкий спектр аналізу, для прикладу передбачення моделі для визначення та зменшення шуму.
Методика. Аналіз наукових джерел, експериментальних даних, моделювання та машинне навчання. Модель машинного навчання була навчена за допомогою платформи Edge Impulse за допомогою набору зображень насіння, анотованих для фокусу. Після ітеративного навчання, перевірки та тестування модель була вбудована в контролер Arduino для ідентифікації насіння в реальному часі та автоматичного регулювання роботи шнекового преса.
Результати. Ця наукова стаття пропонує альтернативний експериментальний підхід в прикладній інженерії, спрямований на процес видобутку насіння для отримання олії за допомогою автоматизації операцій шнекового преса з використанням машинного навчання (ML) та комп'ютерного зору (CV). Ключові результати включають успішне розрізнення насіння соняшника та гарбуза та точне налаштування параметрів шнекового преса на основі ідентифікації типу насіння. ML також використовується для виявлення пустого живильника та автоматичної зупинки роботи преса, що запобігає пошкодженню обладнання та забезпечує ефективність. Ці результати відкривають шлях до покращення автоматизації та точності в процесах видобутку насіння для отримання олії.
Наукова новизна. Представлене застосування ML і CV в контексті екстракції олії з насіння за допомогою шнекового преса практичним експериментальним методом підкреслює потенціал використання технологій у прикладній інженерії, зокрема оптимізації сільськогосподарських процесів.
Практична значимість. Стаття виявляє практичну користь на основі експериментальних даних, що полягають в автоматичної оптимізації процесу видобування олії, зменшенню кількості ручної роботи, та збільшенні продуктивності в даній індустрії виготовлення олії, а також застосування цих методів у галузі прикладної інженерії. Це дослідження є кроком у напрямку автоматизованого майбутнього, в якому передові технології допомагатимуть реалізувати прогресивні, ефективні та сталі підходи галузі агрокультури.