Введение 3
ГЛАВА 1. ОБЗОРНО-АНАЛИТИЧЕСКАЯ ЧАСТЬ 5
1.1 Определение задач распознавания пищевых продуктов и ее важность в современном мире 5
1.2 Обзор практического применения технологий распознавания пищевой продукции 6
1.3 Постановка функциональных требований 14
Выводы 15
ГЛАВА 2. АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ 16
2.1 Классическое машинное обучение 16
2.2 Глубокое обучение. Сверточные нейронные сети (CNN) 20
2.3 Трансферное обучение 27
Выводы 28
ГЛАВА 3. ИСПОЛЬЗУЕМЫЕ АРХИТЕКТУРНЫЕ КОМПОНЕНТЫ 29
3.1 Подготовка и обучение детекционных данных 29
3.2 Обучение классификационной нейронной сети 34
Выводы 38
ГЛАВА 4. ПРОГРАМНАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ 40
4.1 Разработка графического интерфейса 40
4.2 Настройка приложения 43
Выводы 47
ЗАКЛЮЧЕНИЕ 48
СПИСОК ЛИТЕРАТУРЫ 49
ПРИЛОЖЕНИЕ 51
Использование технологий компьютерного зрения позволяет автоматизировать рабочие процессы и сократить нагрузку на персонал. Освобожденные ресурсы позволяют предприятию наладить выпуск новых товаров, повысить общую производительность и улучшить качество обслуживания. Сегодня автоматизация процессов программными модулями активно внедряется во всех отраслях, включая и общественное питание, где точность и скорость обработки информации играют ключевую роль в повышении качества сервиса и эффективности работы. Перед заведениями общественного питания стоят сразу несколько задач:
• Обеспечить высокий уровень обслуживания;
• увеличить пропускную способность;
• увеличить скорость обработки заказов.
Привычные методы контроля с использованием человеческого потенциала не отличаются высокой эффективностью. В течение дня у сотрудников кафетериев накапливается усталость, что ведет к снижению производительности. В результате происходит образование больших очередей, а также потеря клиентов, возникают непредвиденные расходы, за которыми следуют убытки.
В целях повышения качества обслуживания путем автоматизации процессов рассматривается перспектива внедрения компьютерного зрения. Данная технология направлена на создание и развитие систем распознавания видов пищевой продукции. Принцип действия основан на обнаружении объекта на подносе и присвоения ему определенного класса (статуса, категории) по визуальным отличительным особенностям. Важно отметить, что применение глубоких нейронных сетей и алгоритмов машинного обучения справляются со значительными проблемами, связанными с разнообразием визуальных характеристик, таких как цвет, форма и размер, которые существенно влияют на качество работы системы распознавания.
В качестве ключевого достоинства компьютерного зрения отмечается высокая скорость выполнения операций, существенно превосходящая возможности человека. В рамках общественного питания системы распознавания способны автоматизировать многие процессы:
• Оценка качества продуктов;
• соблюдение санитарных норм;
• улучшение сервиса;
• распределение заказов по очередности;
• контроль запасов.
Цель магистерской работы — разработка приложения для распознавания видов пищевой продукции в организациях общественного питания на основе методов компьютерного зрения.
В рамках достижения цели обозначены следующие задачи:
1. Оценить потребность в технологии распознавания продуктов питания.
2. Проанализировать существующие способы и алгоритмы обучения нейронной сети под задачи распознавания объектов.
3. Разработать архитектуру программного обеспечения с набором требуемых опций.
4. Программно реализовать систему распознавания.
5. Выполнить тестовую проверку готовой системы распознавания объектов.
Предмет исследования — разработка системы распознавания пищевых продуктов с использованием методов компьютерного зрения.
Объект исследования — классификация видов пищевой продукции в реальном времени.
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Приложение для распознавания видов пищевой продукции в организациях общественного питания на основе методов компьютерного зрения. А также похожие готовые работы: страница 69 #9106807
Артикул: 9106807
- Предмет: Программирование
- Уникальность: 76% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2024 году
- Количество страниц: 55
- Формат файла: docx
2 500p.
1. Основы ИНС - Нейронные сети [Электронный ресурс]. - Режим доступа: https://neural.radkopeter.ru/chapter/основы-инс/ (дата
обращения: 16.03.2024)
2. Введение в машинное обучение и искусственные нейронные сети (foobar167.github.io) [Электронный ресурс]. - Режим доступа: https://foobar167.github.io/page/vvedeniye-v-mashinnoye-obucheniye-i- iskusstvennyye-neyronnyye-seti.html (дата обращения: 12.04.2024)
3. Сивак М.А. Робастное обучение нейронных сетей с простой архитектурой для решения задач классификации: дис. ... канд. тех. наук: 05.13.17 / Сивак Мария Алексеевна. - Новосибирск., 2022 -с. 111 Библиогр.: с. 34-36
4. siebenrock/activation-functions: Activation functions used in artificial neural networks (github.com) [Электронный ресурс]. - Режим доступа: https:// github.com/siebenrock/activation-functions (дата обращения:
25.03.2024)
5. Функции активации нейронной сети: линейная, ReLu, Tahn, сигмоида [Электронный ресурс]. - Режим доступа: https://neurohive.io/ru/osnovy- data-science/activationfunctions/ (дата обращения: 11.02.2024)
6. FoodTech - будущее продуктов питания [Электронный ресурс]. - Режим доступа: https://www.digitalfoodlab.com/foodtech/ (дата обращения: 05.05.2024)
7. Zhu, F., Ma, Y., & Yang, Y. (2021). Research progress in computer vision technology for food image recognition. Journal of Food Science and Technology, 58(1), 29-37.
8. Jelena L., Lato P., Mirela-Alina S.,Viktoria V.,Francesco D.,Food Recognition and Food Waste Estimation Using Convolutional Neural Network,November 2022, Electronics 11(22):3746,
DOI:10.3390/electronics11223746
9. Liu, W. Ssd: Single shot multibox detector / W. Liu, D. Anguelov, C. Szegedy [и др.]. - Текст: непосредственный // In European Conference on Computer Vision. - 2016. - С. 21-37.
10. Pytorch — модуль ResNet50 [Электронный ресурс]. - Режим доступа: https://pytorch.org/vision/main/models/generated/torchvision.models.resnet5 0.html (дата обращения: 05.04.2024)
11. Sinno Jialin Pan Q. Y. — A survey on transfer learning — 2010
12. Махноносов Д. В. — Маркетинговые технологии в организации электронной торговли и продвижении товаров и услуг в сети интернет - Донецк 2023, с. 212, 214-215
13. You Only Look Once: Unified, Real-Time Object Detection Joseph Redmon, Santosh Divvala, Ross Girshick , Ali Farhadi University of Washington , Allen Institute for AI, Facebook AI Research .
14. Hicks S. A. et al. On evaluation metrics for medical applications of artificial intelligence //Scientific reports. - 2022. - Т. 12. - №. 1. - С. 5979.
15. Pande B. et al. A review of image annotation tools for object detection //2022 International Conference on Applied Artificial Intelligence and Computing (ICAAIC). - IEEE, 2022. - С. 976-982.
16. Mahmood R. R., Younus M. D., Khalaf E. A. Real Time Object Detection for Visually Impaired Person //Annals of the Romanian Society for Cell Biology. - 2021. - С. 14725-14732.
17. Документация фреймворка OpenCV [Электронный ресурс] - Режим доступа: https://docs.opencv.org/4.x/ (дата обращения: 01.05.2024).
18. Документация фреймворка onnxruntime [Электронный ресурс] - Режим доступа: https://onnxruntime. ai/docs/api/python/api summary.html (дата обращения: 01.05.2024).
обращения: 16.03.2024)
2. Введение в машинное обучение и искусственные нейронные сети (foobar167.github.io) [Электронный ресурс]. - Режим доступа: https://foobar167.github.io/page/vvedeniye-v-mashinnoye-obucheniye-i- iskusstvennyye-neyronnyye-seti.html (дата обращения: 12.04.2024)
3. Сивак М.А. Робастное обучение нейронных сетей с простой архитектурой для решения задач классификации: дис. ... канд. тех. наук: 05.13.17 / Сивак Мария Алексеевна. - Новосибирск., 2022 -с. 111 Библиогр.: с. 34-36
4. siebenrock/activation-functions: Activation functions used in artificial neural networks (github.com) [Электронный ресурс]. - Режим доступа: https:// github.com/siebenrock/activation-functions (дата обращения:
25.03.2024)
5. Функции активации нейронной сети: линейная, ReLu, Tahn, сигмоида [Электронный ресурс]. - Режим доступа: https://neurohive.io/ru/osnovy- data-science/activationfunctions/ (дата обращения: 11.02.2024)
6. FoodTech - будущее продуктов питания [Электронный ресурс]. - Режим доступа: https://www.digitalfoodlab.com/foodtech/ (дата обращения: 05.05.2024)
7. Zhu, F., Ma, Y., & Yang, Y. (2021). Research progress in computer vision technology for food image recognition. Journal of Food Science and Technology, 58(1), 29-37.
8. Jelena L., Lato P., Mirela-Alina S.,Viktoria V.,Francesco D.,Food Recognition and Food Waste Estimation Using Convolutional Neural Network,November 2022, Electronics 11(22):3746,
DOI:10.3390/electronics11223746
9. Liu, W. Ssd: Single shot multibox detector / W. Liu, D. Anguelov, C. Szegedy [и др.]. - Текст: непосредственный // In European Conference on Computer Vision. - 2016. - С. 21-37.
10. Pytorch — модуль ResNet50 [Электронный ресурс]. - Режим доступа: https://pytorch.org/vision/main/models/generated/torchvision.models.resnet5 0.html (дата обращения: 05.04.2024)
11. Sinno Jialin Pan Q. Y. — A survey on transfer learning — 2010
12. Махноносов Д. В. — Маркетинговые технологии в организации электронной торговли и продвижении товаров и услуг в сети интернет - Донецк 2023, с. 212, 214-215
13. You Only Look Once: Unified, Real-Time Object Detection Joseph Redmon, Santosh Divvala, Ross Girshick , Ali Farhadi University of Washington , Allen Institute for AI, Facebook AI Research .
14. Hicks S. A. et al. On evaluation metrics for medical applications of artificial intelligence //Scientific reports. - 2022. - Т. 12. - №. 1. - С. 5979.
15. Pande B. et al. A review of image annotation tools for object detection //2022 International Conference on Applied Artificial Intelligence and Computing (ICAAIC). - IEEE, 2022. - С. 976-982.
16. Mahmood R. R., Younus M. D., Khalaf E. A. Real Time Object Detection for Visually Impaired Person //Annals of the Romanian Society for Cell Biology. - 2021. - С. 14725-14732.
17. Документация фреймворка OpenCV [Электронный ресурс] - Режим доступа: https://docs.opencv.org/4.x/ (дата обращения: 01.05.2024).
18. Документация фреймворка onnxruntime [Электронный ресурс] - Режим доступа: https://onnxruntime. ai/docs/api/python/api summary.html (дата обращения: 01.05.2024).
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Приложение для распознавания видов пищевой продукции в организациях общественного питания на основе методов компьютерного зрения |
| Артикул: | 9106807 |
| Дата написания: | 24.06.2024 |
| Тип работы: | Магистерская диссертация |
| Предмет: | Программирование |
| Оригинальность: | Антиплагиат.ВУЗ — 76% |
| Количество страниц: | 55 |
Скрин проверки АП.ВУЗ приложен на последней странице.
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
Файлы артикула: Приложение для распознавания видов пищевой продукции в организациях общественного питания на основе методов компьютерного зрения. А также похожие готовые работы: страница 69 по предмету программирование
Пролистайте "Приложение для распознавания видов пищевой продукции в организациях общественного питания на основе методов компьютерного зрения. А также похожие готовые работы: страница 69" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 04.01.2025
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 76% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 48 работ. Успей и ты забрать свою пока это не сделал кто-то другой!
ПРЕДЫДУЩАЯ РАБОТА
Программное обеспечение для обмена данными с удаленными устройствами и облачным сервисом по протоколу IP
СЛЕДУЮЩАЯ РАБОТА
Разработка автоматизированной системы для учета кассовых операций на платформе 1С:Предприятие