The object of the study is digital images of stones in an open pit. The aim of the work is to develop and implement an algorithm for detecting and segmenting asbestos veins using an artificial intelligence apparatus. The study presents an analytical review of methods and existing technical and software systems that use artificial intelligence methods for segmentation on the main test datasets. An analysis of existing models was carried out, new models based on convolutional networks (UNet and Attention Unet) and transformers (SegFormer) were tested, and the best algorithm for the task of segmenting asbestos veins was proposed. As a result of using the artificial intelligence model, it was possible to effectively solve the problem of vein segmentation and achieve acceptable accuracy of the results with low computing power. The scope of application of the developed algorithm is not only its use in the analysis of asbestos content in quarry images. The obtained models can be used to identify defects in various products and in medicine. / Объектом исследования являются цифровые изображения камней в открытом карьере. Целью работы является разработка и реализация алгоритма детектирования и сегментации асбестовых прожилок с применением аппарата искусственного интеллекта. В исследовании представлен аналитический обзор методов и существующих технических и программных систем, использующих методы искусственного интеллекта для сегментации на основных тестовых датасетах. Проведён анализ существующих моделей, протестированы новые модели на основе сверточных сетей (UNet и Attention Unet) и трансформеров (SegFormer), предложен лучший алгоритм для задачи сегментации асбестовых прожилок. В результате применения модели искусственного интеллекта удалось эффективно решить задачу сегментации прожилок и достигнуть приемлемой точности полученных результатов при небольшой вычислительной мощности. Областью применения разработанного алгоритма является не только его использование в рамках анализа содержания асбеста в снимках карьера. Полученные модели могут использоваться для определения дефектов на различной продукции и в медицине.
| Identifer | oai:union.ndltd.org:urfu.ru/oai:elar.urfu.ru:10995/140348 |
| Date | January 2024 |
| Creators | Мельников, В. А., Melnikov, V. A. |
| Contributors | Борисов, В. И., Borisov, V. I., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления |
| Publisher | б. и. |
| Source Sets | Ural Federal University |
| Language | Russian |
| Detected Language | Russian |
| Type | Master's thesis, info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Rights | Предоставлено автором на условиях простой неисключительной лицензии, http://elar.urfu.ru/handle/10995/31613 |
Page generated in 0.0031 seconds