Сучасна газотранспортна та нафтогазова промисловість стикається з постійними викликами у забезпеченні надійності і безпеки газових і нафтових трубопроводів. Витоки газу можуть призвести до небезпеки для життя та здоров'я людей, забруднення довкілля та економічних втрат. 
Магістерська дисертація розглядає процес розробки та впровадження автоматизованої двоканальної системи, яка поєднує телевізійне та інфрачервоне спостереження з використанням безпілотних літальних апаратів (БПЛА) для виявлення витоків газу. Дослідження включає в себе теоретичний аналіз методів контролю та визначення параметрів системи, підбір необхідного обладнання, розробку програмного забезпечення для обробки та аналізу даних, а також тестування системи. Результати дослідження показують, що розроблена система ефективно виявляє витоки газу, забезпечуючи надійний моніторинг газових і нафтових трубопроводів. Використання БПЛА дозволяє проводити моніторинг у важкодоступних та віддалених районах, що робить систему універсальною та ефективною для різних умов і галузей. Ця дисертація внесе важливий внесок у розвиток систем безпеки газових та нафтових трубопроводів і може бути використана в газотранспортній промисловості, екологічних організаціях, міському контролі та інших галузях, де надійний моніторинг є критично важливим. 

Актуальність теми. Виявлення дефектів завжди було і буде актуальною задачею. Несвоєчасне і недостатньо достовірне виявлення дефектів може призвести до незадоволення користувачів, втрати доходу, збільшення витрат, загрози безпеці та впливу на конкурентоспроможність організації. Поверхневі дефекти металевих виробів, такі як тріщини, плями, вм'ятини, корозія тощо, можуть негативно впливати на якість та міцність виробів. Розробка та застосування удосконалених алгоритмів сегментації дозволить вчасно виявляти потенційно небезпечні дефекти та приймати відповідні заходи для їх усунення, забезпечуючи безпеку та надійність виробів. Сегментація зображень поверхневих дефектів металевих виробів може бути використана для автоматизації процесу контролю якості виробництва. Автоматизована система виявлення дефектів дозволить зменшити залежність від роботи людини та підвищити швидкість та достовірність виявлення дефектів, що позитивно вплине на ефективність виробництва та знизить витрати. Для цього перспективно використовувати методи машинного навчання.

Актуальність теми: На сьогодні в різних технічних застосунках в галузі автоматизованого неруйнівного контролю (НК) актуальним є питання визначення координат дефектів, різного роду неоднорідностей матеріалу тощо, які не відповідають вимогам якості контрольованих виробів. Використання координатної інформації дає змогу проводити моніторинг дефектів, а також будувати B- та C-скани, які містять не лише інформацію про дефекти, але й координати їх розташування на поверхні об’єкта контролю (ОК). За такого підходу згідно отриманих даних можна як спостерігати процес розвитку дефектів, так і відслідковувати появу нових дефектів, проводити додаткові дослідження виявлених дефектів іншими методами НК, а також виконувати оцінку загального стану ОК. Розв’язання питань автоматизації НК в багатьох практичних задачах вимагає застосування безконтактних методів реєстрації координатної інформації. Такі методи потребують використання додаткових засобів інформаційно-вимірювальної техніки, орієнтованих на використання різних фізичних полів та явищ – акустичних, оптичних тощо, і формування відповідних інформаційних сигналів, які є носіями координатної інформації. В реальних умовах такі сигнали спостерігаються на фоні значних шумів та завад. Тому дослідження безконтактних методів координатної реєстрації інформації в системах автоматизованого НК, які забезпечують достовірне і точне визначення координат за умов малого відношення сигнал/шум є актуальним напрямом розвитку НК.

Магістерська дисертація складається з 4 розділів, 97 сторінок, містить 39 ілюстрацій, 33 таблиць, було опрацьовано 46 джерел.
Мета роботи: автоматизація процесу розпізнавання онкологічних захворювань, що забезпечуватиме підвищення точності та достовірності роботи систем діагностики.

Об’єктом дослідження є пухлинні захворювання.
Предметом дослідження є алгоритми нейронних мереж для виявлення та класифікації захворювань на основі ультразвукових зображень.