ivdon3@bk.ru
В статье рассматривается разработка системы мониторинга для автоматического обнаружения и классификации дефектов картонной упаковки на складе. Предлагаемое решение представляет собой веб-приложение, использующее нейросетевую модель YOLOv8 для детекции дефектов в реальном времени. Модель обучена на кастомном датасете изображений дефектных и исправных коробок. Выполнена интеграция модели в приложение на Flask и добавлен аналитический модуль (Apache Superset) для визуализации статистики. Испытания системы в различных сценариях подтвердили ее высокую точность и эффективность в улучшении контроля качества упаковки.
Ключевые слова: компьютерное зрение, обнаружение дефектов, картонная упаковка, YOLOv8, глубокое обучение, система мониторинга, видеоаналитика
2.3.1 - Системный анализ, управление и обработка информации , 2.3.3 - Автоматизация и управление технологическими процессами и производствами
Рассматривается эффективность использования передовых алгоритмов дефектовки дорожного покрытия в зависимости от применяемых устройств сбора данных, таких как камеры, георадары, LiDAR и IMU датчики, установленные в смартфонах. Рациональное использование данных программно-аппаратных средств позволит коммунальным службам своевременно выявлять и устранять дефекты дорожного покрытия, тем самым повышая безопасность дорожного движения.
Ключевые слова: транспортный сектор, дефектовка дорожного покрытия, передвижные дорожные лаборатории, нейросетевые алгоритмы, компьютерное зрение
2.1.1 - Строительные конструкции, здания и сооружения , 2.3.1 - Системный анализ, управление и обработка информации