Складчиков І. Система автоматизованого аналізу даних тепловізійного відеонагляду

Магістерська дисертація складається з 5 розділів, 95 сторінок, містить 23 ілюстрації, 38 таблиць, було опрацьовано 38 джерел.
Мета роботи: автоматизація процесу аналізу термографічних зображень із застосуванням нейромережевих технологій, що забезпечуватиме підвищення інформативності та достовірності роботи систем тепловізійного відеонагляду.

Завдання магістерської роботи:
1. Проаналізувати сучасний стан систем тепловізійного відеонагляду та визначити напрямки їх удосконалення.
2. Ознайомитися з існуючими методами автоматизованого виявлення і розпізнавання об'єктів на термографічних зображеннях.
3. Обґрунтувати використання нейронних мереж для покращення якості детектування об'єктів та вибрати необхідний тип мережі.
4. Розробити алгоритмічне та програмне забезпечення запропонованої автоматизованої системи аналізу термографічних даних.
5. Провести тестування на реальних даних та отримати кількісні оцінки якості роботи системи.

Об’єкт дослідження: процес аналізу термографічних зображень.
Предмет дослідження: методи автоматизованого детектування і розпізнавання об’єктів на термографічних зображеннях.

Керівник: ст. в., д.ф. Момот А.С.

Повний текст дисертації (.pdf)

Повний перелік магістерських дисертацій

Перелік літературних посилань

1. Кучеренко О. К. Ахроматизація та атермалізація об'єктивів інфрачервоної техніки / О. К. Кучеренко, О. В. Муравйов, В. М. Тягур // Наукові вісті НТУУ «КПІ». – 2012. – вип. №5. – С. 114-117.
2. Муравьёв А. В. Композиции атермализованных трехкомпонентных инфракрасных объективов / А. В. Муравьёв, О. К. Кучеренко // Наука и техника. – 2015. – № 4. – С. 32-37.
3. Живкович А. В. Современные технологии бесконтактного измерения температуры / А. В. Живкович, А. В. Муравьёв // Материалы XVI Международной научно-практической конференции «Динамика научных исследований - 2020», 07-15 июля 2020, Пшемысль, Польша. – Przemyśl : Nauka i studia, 2020. – Vol. 7. – С. 110-115.
4. Муравйов О. В. Автоматизація методу термографічної діагностики патологій організму людини / О. В. Муравйов, В. Ф. Петрик, Ю. Ю. Лисенко, Г. А. Богдан, А. В. Наконечная // Таврійський науковий вісник. Серія: Технічні науки. – 2022. – №1. – С. 47-53.
5. Wong. An effective surveillance system using thermal camera / Wong, K. Wai. // IEEE. – 2009. – С. 13–1.
6. Сторожик Д. В. Комплексування мультиспектральних зображень, як метод підвищення їх інформативності при бінарній сегментації / Д. В. Сторожик, О. В. Муравйов, А. Г. Протасов, В. Г. Баженов, Г. А. Богдан // Наукові вісті КПІ. – 2020. № 2. – С. 82-87.
7. Xia C. Infrared thermography‐based diagnostics on power equipment: State‐of‐the‐art / C. Xia, M. Ren. // High Voltage. – 2020. – №6. – С. 387–407.
8. Galagan R. Analysis of application of neural networks to improve the reliability of active thermal NDT / R. Galagan, A. Momot. // Scientific information KPI. – 2019. – №1. – С. 7–14.
9. Складчиков І. Використання датчика MLX90640 у складі смарт-тепловізора / І. Складчиков, A. Момот. // Ефективність та автоматизація інженерних рішень у приладобудуванні. – 2020. – №16. – С. 240–242.
10.Momot A. Deep learning automated data analysis of security infrared cameras / A. Momot, I. Skladchykov. // Slovak international scientific journal. – 2021. – №52. – С. 13–16.
11.Trask А. Grokking Deep Learning / А. Trask..– Manning Publications, 2019. – 335 p.
12.Mingxing T. EfficientDet: Scalable and Efficient Object Detection / T. Mingxing, P. Ruoming. // IEEE Xplore. – 2021. – С. 10781–10790.
13.Viola P. Robust real-time face detection / P. Viola, M. Jones. // International Journal of Computer Vision. – 2004. – №52. – С. 137–154.
14.Tanvir A. Object Detection through Modified YOLO Neural Network / A. Tanvir, M. Yinglong. // Hindawi Scientific Programming. – 2020. – №8403262. – С. 1–10. 15.Krizhevsky A. Imagenet classification with deep CNNs / A. Krizhevsky, I. Sutskever, G. Hinton. // Proceedings of the Advances in Neural Information Processing Systems. – 2012. – С. 1097–1105.
16.Changqing C. An Improved Faster R-CNN for Small Object Detection / C. Changqing, Z. Wenrui, Y. Xu. // IEEE Access. – 2019. – №10. – С. 106838–106846.
17.Момот А. Підвищення ефективності автоматизованого розпізнавання об’єктів на термограмах із використанням моделі YOLOX/ A. Момот, І. Складчиков.// Ефективність та автоматизація інженерних рішень у приладобудуванні. – 2022. – С. 222–226.
18.Складчиков І. Смарт тепловізор на основі датчика AMG8833 / І. Складчиков, А. Момот. // Погляд у майбутнє приладобудування. – 2021. – С. 310–312.
19.Момот А. Автоматизований аналіз даних охоронних тепловізорів на основі глибинного навчання / А. Момот, І. Складчиков. // Погляд у майбутнє приладобудування. – 2020. – С. 315–318.
20.Girshick R. Rich feature hierarchies for accurate object detection and semantic segmentation / R. Girshick, J. Donahue, T. Darrell. // arXiv:1311.2524v5. – 2014. – С. 1–21.
21.Момот А. Аналіз ефективності моделей глибинного навчання для автоматизованого детектування об'єктів на інфрачервоних зображеннях / А. Момот, І. Складчиков. // Ефективність та автоматизація інженерних рішень у приладобудуванні. – 2021. – С. 281–284.
22.Derakhshani M. Assisted excitation of activations: A learning technique to improve object detectors / M. Derakhshani, S. Masoudnia, A. Shaker. // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. – 2019. – С. 9201–9210.
23.Момот А. The use of efficientnet models in infrared image classification / А. Момот, І. Складчиков. // Приладобудування: стан і перспективи. – 2022. – С. 204–207.
24.Cao; Jingchao. No-reference image quality assessment by using convolutional neural networks via object detection. International Journal of Machine Learning and Cybernetics 2022, 1–12.
25. Du J. Understanding of Object Detection Based on CNN Family and YOLO / Du. // Journal of Physics: Conference Series,. – 2018. – №1004. – С. 12–29.
26.Thuan D. Evolution of yolo algorithm and yolov5: the state-of-the-art object detection algorithm / D. Thuan. // Information Technology Oulu University of Applied Sciences. – 2021. – С. 1–61.
27.Handalage U. Real-Time Object Detection Using YOLO: A Review / U. Handalage, L. Kuganandamurthy. // Information Technology. – 2021. – С. 1–7.
28.Zheng G. Yolox: Exceeding yolo series in 2021 / G. Zheng, L. Songtao. // arXiv preprint arXiv:2107.08430. – 2021.
29.Jianfei Z. Improved YOLOX Fire Scenario Detection Method / Z. Jianfei, K. Sai. // Wireless Communications and Mobile Computing. – 2022. – №9666265. – С. 1–8.
30.FLIR Thermal Images Dataset [Electronic resource]. – 2021. – Resource access mode: https://www.kaggle.com/datasets/albertofv/flir-thermal-images-dataset-reduced.
31.Misic M. Evolution and trends in GPU computing / M. Misic, M. Tomasevic, Đ. Đurđević. // MIPRO Proceedings of the International Convention. – 2012. – С. 1–7.
32.Zheng G. Exceeding yolo series in 2021 [Electronic resource] / G. Zheng, L. Songtao. – 2021. – Resource access mode: https://github.com/Megvii-BaseDetection/YOLOX .
33.Elfwinga S. Sigmoid-Weighted Linear Units for Neural Network Function Approximation in Reinforcement Learning / S. Elfwinga, E. Uchibea, K. Doyab. // arXiv:1702.03118v3. – 2017. – С. 1–18.
34.FLIR Thermal Images Dataset v2 [Electronic resource]. – 2021. – Resource access mode: https://www.flir.com/oem/adas/adas-dataset-agree/ .
35.Kanyifeechukwu J. YOLO v3: Visual and Real-Time Object Detection Model for Smart Surveillance Systems(3s) / J. Kanyifeechukwu, C. Ozioma, I. Hashim. // arXiv:2209.12447v1. – 2022. – С. 1–8.
36.Розроблення стартап-проекту [Електронний ресурс] : Методичні рекомендації до виконання розділу магістерських дисертацій для студентів інженерних спеціальностей / За заг. ред. О.А. Гавриша. – Київ : НТУУ «КПІ», 2016. – 28 с.
37.Гавриш, О. А. Розробка стартап-проектів. Конспект лекцій [Електронний ресурс] : навчальний посібник для студентів спеціальностей 151 – «Автоматизація та комп’ютерно-інтегровані технології» та 152 – «Метрологія та інформаційно-вимірювальна техніка» / О. А. Гавриш, К. О. Бояринова, К. О. Копішинська ; КПІ ім. Ігоря Сікорського. – Електронні
текстові данні (1 файл: 2,88 Мбайт). – Київ : КПІ ім. Ігоря Сікорського, 2019. – 188 с. – Назва з екрана.
38.Гавриш, О. А. Розробка стартап-проектів: практикум [Електронний ресурс] : навчальний посібник для студентів спеціальностей 151 – «Автоматизація та комп’ютерно-інтегровані технології» та 152 – «Метрологія та інформаційно-вимірювальна техніка» / О. А. Гавриш, К. О. Бояринова, К. О. Копішинська ; КПІ ім. Ігоря Сікорського. – Електронні текстові данні (1 файл: 2,11 Мбайт). – Київ : КПІ ім. Ігоря Сікорського, 2019. – 116 с. – Назва з екрана.
39.Протасов А. Г. Технології теплового неруйнівного контролю [Електронний ресурс]: підручник для студ. спеціальності 151 «Автоматизація та комп’ютерно-інтегровані технології» / А. Г. Протасов, Ю. Ю. Лисенко; КПІ ім. Ігоря Сікорського. – Електронні текстові дані (1 файл: 3,6 Мбайт). – Київ : КПІ ім. Ігоря Сікорського, 2021. – 133 с.
40.Баженов В.Г. Електроніка. Лабораторний практикум: навчальний посібник / В. Г. Баженов, Є. Ф. Суслов, Ю. Ю. Лисенко, А.С. Момот; КПІ ім. Ігоря Сікорського. – Київ: КПІ ім. Ігоря Сікорського, 2022. – 70 с.

АСНК КПІ ім. Ігоря Сікорського, 2021