Актуальность темы обусловлена тем, что на металлургическом предприятии вручную ведётся подсчёт и сверка количества трубной продукции, что предполагает большие трудозатраты и допущение ошибок в подсчётах. Научная новизна состоит в том, что было проанализировано большое количество исследований по теме применения методов компьютерного зрения для автоматизации бизнес-процессов на металлургическом предприятии, а также разработана уникальная программа, распознающая геометрические фигуры на снимке и подсчитывающая их количество. Практическая значимость работы заключается в том, что разработанная программа будет ежедневно использоваться в процессе отгрузки трубной продукции, упрощая процесс подсчёта количества труб в пачке и снижая время обработки заказа на отгрузку. / The relevance of the topic is due to the fact that the metallurgical enterprise manually counts and reconciles the number of pipe products, which involves large labor costs and the assumption of errors in calculations. The scientific novelty lies in the fact that a large number of studies on the use of computer vision methods for automating business processes at a metallurgical enterprise have been analyzed, and a unique program has been developed that recognizes geometric shapes in the image and counts their number. The practical significance of the work lies in the fact that the developed program will be used daily in the process of shipping pipe products, simplifying the process of counting the number of pipes in a bundle and reducing the processing time of the shipment order.

В диссертации рассматривается проблема учета труб на производственных предприятиях. Целью данного исследования является предоставление автоматизированного решения проблемы, которое потребует меньше времени для подсчета труб и будет более эффективным, чем подсчет вручную. Разработан алгоритм, основанный на технологии компьютерного зрения. Для выполнения задачи компьютерного зрения была использована библиотека OpenCV, языком программирования был выбран Python. После разработки алгоритма, основанного на технологии компьютерного зрения, стал возможен автоматический подсчет труб. Дальнейшее исследование может быть проведено для удовлетворения всех необходимых потребностей предприятия. / The dissertation addresses the problem of pipe counting in the manufacturing enterprises. The aim of this study is to provide an automated solution to the problem that will take less time to count pipes and will be more efficient than manual counting. An algorithm based on computer vision technology is developed. The library for undertaking the computer vision task was Open Source Computer Vision (OpenCV) and it was performed in Python. After the development of an algorithm based on computer vision, automatic pipe counting became possible. Further research might be conducted to meet all the required needs of the enterprise.

В области компьютерного зрения оценка позы человека приобретает все большее значение. Это одна из самых привлекательных областей исследований, и она вызывает большой интерес благодаря своей полезности и гибкости в самых разных областях, включая здравоохранение, игры, дополненную реальность, виртуальные тренировки и спорт. На ряду с этим люди все чаще начинают заниматься спортом. А в спорте травмы неизбежны. В данной статье предлагается приложение для оценки выполнения фитнес-упражнений, которое контролирует правильность техники и дает обратную связь по ее исправлению, что помогает уменьшить травматизм при занятиях. Предварительно обученная модель MediaPipe использовалась для оценки поз, по результатам которой вычисляются углы между конкретными суставами. / In the field of computer vision, human pose estimation is becoming increasingly important. This is one of the most attractive areas of research, and it is of great interest due to its usefulness and flexibility in a wide variety of fields, including healthcare, games, augmented reality, virtual training, and sports. Along with this, people are increasingly starting to do sports. And in sports, injuries are inevitable. This article offers an application for evaluating the performance of fitness exercises, which monitors the correctness of the technique and gives feedback on its correction, which helps to reduce injuries during classes. A pre-trained MediaPipe model was used to evaluate poses, based on the results of which the angles between specific joints are calculated.

Объект исследования: процесс аугментации изображений для решения задачи сегментации. Предмет исследования: методы аугментации и машинного обучения, с помощью которых осуществляется сегментация изображений. Цель работы: исследование эффективности генеративной аугментации изображений, выполненной с помощью диффузионной модели Stable Diffusion на примере задачи семантической сегментации. В процессе исследования проводились: рассмотрение основных подходов сегментации изображений и методов аугментации данных, разработка и реализация экспериментов для оценки эффективности генеративной аугментации изображений. В работе продемонстрирована эффективность подхода аугментации изображений, реализованного за счет расширения части исходного датасета путем генерирования новых данных с помощью диффузионной модели. Область практического применения: предложенный подход может быть использован для улучшения качества работы моделей семантической сегментации изображений в условиях ограниченного количества исходных данных, дефицита размеченных данных или дисбаланса данных. / Object of study: the process of image augmentation to solve the segmentation problem. Subject of research: augmentation and machine learning methods used for image segmentation. Purpose of the work: to study the effectiveness of generative image augmentation performed using the Stable Diffusion model using the example of a semantic segmentation task. During the research process, the following was carried out: consideration of the main approaches to image segmentation and data augmentation methods, development and implementation of experiments to evaluate the effectiveness of generative image augmentation. The work demonstrates the effectiveness of the image augmentation approach, implemented by expanding part of the original dataset by generating new data using a diffusion model. Area of practical application: the proposed approach can be used to improve the quality of work of semantic image segmentation models in conditions of a limited amount of source data, a shortage of labeled data, or data imbalance.