В статье предложен подход к созданию интеллектуальной системы мониторинга промышленных выбросов на основе архитектуры YOLO и цифровой симуляции. Работа актуальна для повышения эффективности экологического контроля на промышленных объектах, например, нефтеперерабатывающий завод. Система автоматически обнаруживает и классифицирует дым на сложном фоне (засветки, туман, небо), сочетая реальные видеоданные с синтетическими изображениями цифровой модели площадки. Проведены настройка симуляции и аугментация для разных погодных и световых условий. Эксперименты показали, что добавление 30 % синтетики в тренировочный набор повышает точность классификации, особенно для малозаметных выбросов. Разработаны рекомендации по параметрам симуляции и оценена метрика precision для классов загрязнений. Результаты подтверждают эффективность подхода и его готовность к внедрению в автоматизацию.

Ключевые слова: машинное зрение, цифровая симуляция, мониторинг выбросов, нейросетевые модели, классификация загрязнений

2.3.3 - Автоматизация и управление технологическими процессами и производствами

В настоящее время развитие мультиагентной модели процессов преобразования ресурсов идет в двух направлениях – динамического моделирования процессов и интеграции с методами искусственного интеллекта (экспертным, ситуационным и мультиагентным моделированием). В данной работе основное внимание уделено второму направлению – исследованию моделей представления знаний и интеграции с концептуальным моделированием для последующего применения предметных онтологий при программной реализации в системах поддержки принятия решений. Разработана семантическая сеть, описывающая мультиагентный процесс преобразования ресурсов. Представлены результаты разработки методики проектирования интеллектуальных систем, базирующиеся на основе концептуального, мультиагентного, имитационного, экспертного и ситуационного моделирования, объектно-ориентированного подхода. Разработанная модель и методика программно реализована в виде комплекса программ семейства BPsim. Комплекс программ прошел апробацию при решении практических задач логистики.

Ключевые слова: процесс преобразования ресурсов, мультиагентная система, интеллектуальный агент, логистика

05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.18 - Математическое моделирование, численные методы и комплексы программ