No description available.

Topic of the work: study of the problem of classification of crushed stone fractions based on neural networks. Relevance: development of a neural network model for classifying the type of crushed stone fractions taken out of the quarry is due to the need to automate this process in order to improve the quality and speed of analysis, reduce the load on the operator. The object of the study is the problem of classifying digital images of crushed stone fractions in the back of a truck. The subject of the study is the architecture of neural networks for detection and classification of images using computer vision methods. Objective: study of the problem of classification of crushed stone fractions based on convolutional neural networks from images from an external camera. / Тема работы: исследование задачи классификации фракции щебня на основе нейронных сетей. Актуальность: разработка модели нейронной сети для классификации вида фракций щебня, вывозимого с карьера обусловлена необходимостью автоматизации данного процесса с целью повышения качества и скорости анализа, снижения нагрузки на оператора. Объект исследования – задача классификации цифровых изображений фракций щебня в кузове грузовика. Предмет исследования – архитектуры нейронных сетей для детекции и классификации изображений, с использованием методов компьютерного зрения. Цель: исследование задачи классификации фракции щебня на основе сверточных нейронных сетей по изображениям с внешней камеры.

Цель работы – исследование задачи классификации фракции щебня, вывозимого с карьера, на основе моделей компьютерного зрения, по изображениям с внешних камер. Объектом исследования является изображения с камер кузова грузовика, заполненного щебнем, вывозимым с карьера. Рассматриваются основные модели компьютерного зрения, позволяющие детектировать и классифицировать фракцию щебня. Рассмотрены модели семейства YOLO, оценены метрики классификации применяемых моделей. Определена наиболее эффективная модель. / The aim of the work is to study the problem of classifying the fraction of crushed stone taken out of the quarry, based on computer vision models, using images from external cameras. The object of the study is images from the cameras of a truck body filled with crushed stone taken out of the quarry. The main models of computer vision that allow detecting and classifying the fraction of crushed stone are considered. The models of the YOLO family are considered, the classification metrics of the applied models are estimated. The most effective model is determined.