| Abstract |
Darba mērķis ir risināt precīzu šķidruma līmeņa noteikšanu kustīgos, caurspīdīgos rūpnieciskos traukos, izmantojot dziļās mācīšanās pieeju kombinācijā ar tradicionālām datorredzes metodēm. Piedāvātais risinājums apvieno YOLOv8 un YOLOv12 modeļus ar Norfair objektu izsekošanas Python bibliotēku, lai nodrošinātu momentānu objektu detektēšanu un segmentāciju, kā arī palielinātu sistēmas noturību pret atspīdumiem, nevienmērīgu apgaismojumu un sarežģītu fonu. Pētnieku komanda izstrādāja savu datu kopu ar dažādu formu caurspīdīgiem traukiem dažādos ārējos apstākļos, lai apmācītu modeļus pirms testēšanas ar divu kameru sistēmām, kas novietotas gan sānos, gan virs traukiem, uzlabojot mērījumu precizitāti. Eksperimentu rezultāti rāda, ka YOLOv8-seg spēj noteikt šķidruma līmeņus ar vidējo absolūto kļūdu 3,84% pie 9,7 kadriem sekundē, kas pārsniedz standarta malu noteikšanas un sliekšņošanas metožu precizitāti. Risinājums ir pielietojams rūpnieciskās uzraudzības iekārtās, lai samazinātu atkritumus un vienlaikus nodrošinātu drošības prasību ievērošanu sabiedriskās ēdināšanas, farmācijas un dzērienu ražošanas nozarēs. Pētījums apliecina, ka uz YOLO bāzētie modeļi spēj pārvarēt datorredzes problēmas, kas saistītas ar caurspīdīgiem objektiem, nodrošinot augstu aprēķinu veiktspējas līmeni.
Līdz ar pielikumiem, bakalaura darbs sastāv no 59 lapaspusēm, tajā ir 9 tabulas, 23 attēli un 42 izmantotie literatūras avoti.
Darba veids: 3 (produkta vai prototipa izstrāde)
Atslēgvārdi: Datorredze, Robotika, Šķidruma līmeņa noteikšana, Caurspīdīgi trauki. |
