Розробка удосконаленого методу розпізнавання об’єктів моніторингу згортковою нейронною мережею з використанням дискретного вейвлет-перетворення

Автор(и)

  • Вадим Іванович Слюсар Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-2912-3149
  • Михайло Михайлович Проценко Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0001-5057-6145
  • Антон Андрійович Чернуха Національний університет цивільного захисту України, Україна https://orcid.org/0000-0002-0365-3205
  • Стелла Анатоліївна Горносталь Національний університет цивільного захисту України, Україна https://orcid.org/0000-0003-0789-7669
  • Сергій Валерійович Рудаков Національний університет цивільного захисту України, Україна https://orcid.org/0000-0001-8263-0476
  • Сергій Миколайович Шевченко Національний університет цивільного захисту України, Україна https://orcid.org/0000-0002-6740-9252
  • Олександр Вікторович Черніков Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-6636-4566
  • Надія Миколаївна Колпаченко Харківський національний технічний університет сільського господарства імені Петра Василенка, Україна https://orcid.org/0000-0001-8294-5785
  • Володимир Олександрович Тімофєєв Харківський Національний університет міського господарства імені О. М. Бекетова, Україна https://orcid.org/0000-0003-1371-9885
  • Роман Володимирович Артюх Державне підприємство "Південний державний проектно-конструкторський та науково-дослідний інститут авіаційної промисловості", Україна https://orcid.org/0000-0002-5129-2221

DOI:

https://doi.org/10.15587/1729-4061.2021.238601

Ключові слова:

нейронна мережа, дискретне вейвлет-перетворення, об’єкти моніторингу, безпілотний авіаційний комплекс

Анотація

Одним із завдань, що вирішують безпілотні авіаційні комплекси, є виявлення та визначення стану об’єктів. З метою автоматизації даного процесу проведено аналіз методів розпізнавання зображень. На основі проведеного аналізу розроблено удосконалений метод розпізнавання зображень об’єктів моніторингу згортковою нейронною мережею з використанням дискретного вейвлет-перетворення. В основу методу покладена задача забезпечення автоматизації обробки зображень в безпілотних авіаційних комплексах. На прикладі обробки зображень (літаків, танків, вертольотів) отриманих оптичною системою безпілотного літального апарату перевірено працездатність удосконаленого методу. Використовується дискретне вейвлет-перетворення для напрацювання бази вейвлет-образів об’єктів і навчання на їх основі штучної нейронної мережі. Це дозволило підвищити оперативність розпізнавання об’єктів моніторингу та автоматизувати даний процес. Ефективність удосконаленого методу досягається шляхом попереднього розкладу та апроксимації цифрового зображення об’єкта моніторингу дискретним вейвлет-перетворенням. Етапами даного методу є  напрацювання бази даних вейвлет-образів зображень і навчання згорткової нейронної мережі. Ефективність розпізнавання зображень об’єктів моніторингу запропонованим методом перевірено на згортковій нейронній мережі, що пройшла навчання зображеннями 300 об’єктів моніторингу. При цьому час на прийняття рішення для запропонованого методу зменшився в середньому от 0.7 до 0.84 с. у порівнянні з штучною нейронною мережею ResNet та ConvNets.

Метод може бути використаний: в системах обробки інформації безпілотних літальних апаратів, що здійснюють моніторинг об’єктів; в роботизованих комплексах різного призначення; системах відео спостереження важливих об’єктів

Біографії авторів

Вадим Іванович Слюсар, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Доктор технічних наук, професор

Група головних наукових співробітників з наукового керівництва досліджень

Михайло Михайлович Проценко, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, старший науковий співробітник

Управління спеціальних військ

Антон Андрійович Чернуха, Національний університет цивільного захисту України

Кандидат технічних наук

Кафедра пожежної та рятувальної підготовки

Стелла Анатоліївна Горносталь, Національний університет цивільного захисту України

Кандидат технічних наук, доцент

Кафедра пожежної профілактики в населених пунктах

Сергій Валерійович Рудаков, Національний університет цивільного захисту України

Кандидат технічних наук, доцент

Кафедра пожежної профілактики в населених пунктах

Сергій Миколайович Шевченко, Національний університет цивільного захисту України

Кандидат технічних наук

Кафедра пожежної тактики та аварійно-рятувальних робіт

Олександр Вікторович Черніков, Харківський національний автомобільно-дорожній університет

Доктор технічних наук, професор

Кафедра інженерної та комп’ютерної графіки

Надія Миколаївна Колпаченко, Харківський національний технічний університет сільського господарства імені Петра Василенка

Кандидат економічних наук, доцент

Кафедра технологічних систем ремонтного виробництва імені О. І. Сідашенка

Володимир Олександрович Тімофєєв, Харківський Національний університет міського господарства імені О. М. Бекетова

Доктор технічних наук, професор

Кафедра автоматизації та комп’ютерно-інтегрованих технологій

Роман Володимирович Артюх, Державне підприємство "Південний державний проектно-конструкторський та науково-дослідний інститут авіаційної промисловості"

Кандидат технічних наук, директор

Посилання

  1. Pospelov, B., Andronov, V., Rybka, E., Krainiukov, O., Maksymenko, N., Meleshchenko, R. et. al. (2020). Mathematical model of determining a risk to the human health along with the detection of hazardous states of urban atmosphere pollution based on measuring the current concentrations of pollutants. Eastern-European Journal of Enterprise Technologies, 4 (10 (106)), 37–44. doi: https://doi.org/10.15587/1729-4061.2020.210059
  2. Vambol, S., Vambol, V., Kondratenko, O., Suchikova, Y., Hurenko, O. (2017). Assessment of improvement of ecological safety of power plants by arranging the system of pollutant neutralization. Eastern-European Journal of Enterprise Technologies, 3 (10 (87)), 63–73. doi: https://doi.org/10.15587/1729-4061.2017.102314
  3. Vambol, S., Vambol, V., Kondratenko, O., Koloskov, V., Suchikova, Y. (2018). Substantiation of expedience of application of high-temperature utilization of used tires for liquefied methane production. Journal of Achievements in Materials and Manufacturing Engineering, 2 (87), 77–84. doi: https://doi.org/10.5604/01.3001.0012.2830
  4. Semko, A., Rusanova, O., Kazak, O., Beskrovnaya, M., Vinogradov, S., Gricina, I. (2015). The use of pulsed high-speed liquid jet for putting out gas blow-out. The International Journal of Multiphysics, 9 (1), 9–20. doi: https://doi.org/10.1260/1750-9548.9.1.9
  5. Pospelov, B., Andronov, V., Rybka, E., Skliarov, S. (2017). Design of fire detectors capable of self-adjusting by ignition. Eastern-European Journal of Enterprise Technologies, 4 (9 (88)), 53–59. doi: https://doi.org/10.15587/1729-4061.2017.108448
  6. Kustov, M. V., Kalugin, V. D., Tutunik, V. V., Tarakhno, E. V. (2019). Physicochemical principles of the technology of modified pyrotechnic compositions to reduce the chemical pollution of the atmosphere. Voprosy Khimii i Khimicheskoi Tekhnologii, 1, 92–99. doi: https://doi.org/10.32434/0321-4095-2019-122-1-92-99
  7. Popov, O., Іatsyshyn, A., Kovach, V., Artemchuk, V., Taraduda, D., Sobyna, V. et. al. (2019). Analysis of Possible Causes of NPP Emergencies to Minimize Risk of Their Occurrence. Nuclear and Radiation Safety, 1 (81), 75–80. doi: https://doi.org/10.32918/nrs.2019.1(81).13
  8. Yang, X., Lin, D., Zhang, F., Song, T., Jiang, T. (2019). High Accuracy Active Stand-off Target Geolocation Using UAV Platform. 2019 IEEE International Conference on Signal, Information and Data Processing (ICSIDP). doi: https://doi.org/10.1109/icsidp47821.2019.9172919
  9. Thepade, S. D., Dewan, J. H., Erandole, S. S., Jadhav, S. R. (2015). Extended performance comparison of self mutated hybrid wavelet transforms in image compression with hybrid wavelet transforms & orthogonal transforms. 2015 Global Conference on Communication Technologies (GCCT). doi: https://doi.org/10.1109/gcct.2015.7342675
  10. Zhu, J., Wang, J., Zhu, Q., Liu, P., Li, S. (2018). Reconstruction of Compressed Sensed Images with Multiple-Image Pattern Low-Rank Tensor. 2018 IEEE 3rd International Conference on Image, Vision and Computing (ICIVC). doi: https://doi.org/10.1109/icivc.2018.8492809
  11. Van, F., Patrick, J. (2019). An introduction to digital images. Discrete Wavelet Transformations: An Elementary Approach with Applications. Wiley, 69–123. doi: https://doi.org/10.1002/9781119555414.ch3
  12. Van, F., Patrick, J. (2019). Biorthogonal wavelet transformations. Discrete Wavelet Transformations: An Elementary Approach with Applications. Wiley, 261–320. doi: https://doi.org/10.1002/9781119555414.ch7
  13. Krishnaswamy, R., NirmalaDevi, S. (2020). Efficient medical image compression based on integer wavelet transform. 2020 Sixth International Conference on Bio Signals, Images, and Instrumentation (ICBSII). doi: https://doi.org/10.1109/icbsii49132.2020.9167597
  14. Thepade, S. D., Erandole, S. (2013). Effect of tiling in image compression using wavelet transform & hybrid wavelet transform for cosine & kekre transforms. 2013 IEEE International Conference ON Emerging Trends in Computing, Communication and Nanotechnology (ICECCN). doi: https://doi.org/10.1109/ice-ccn.2013.6528604
  15. Thepade, S. D., Dewan, J. H., Lohar, A. T. (2013). Extended performance comparison of hybrid wavelet transform for image compression with varying proportions of constituent transforms. 2013 15th International Conference on Advanced Computing Technologies (ICACT). doi: https://doi.org/10.1109/icact.2013.6710497
  16. Paul, A., Khan, T. Z., Podder, P., Ahmed, R., Rahman, M. M., Khan, M. H. (2015). Iris image compression using wavelets transform coding. 2015 2nd International Conference on Signal Processing and Integrated Networks (SPIN). doi: https://doi.org/10.1109/spin.2015.7095407
  17. Nashat, A. A., Hussain Hassan, N. M. (2016). Image compression based upon Wavelet Transform and a statistical threshold. 2016 International Conference on Optoelectronics and Image Processing (ICOIP). doi: https://doi.org/10.1109/optip.2016.7528492
  18. Ahanonu, E., Marcellin, M., Bilgin, A. (2020). Lossless Multi-component Image Compression Based on Integer Wavelet Coefficient Prediction using Convolutional Neural Networks. 2020 Data Compression Conference (DCC). doi: https://doi.org/10.1109/dcc47342.2020.00043
  19. Il'yasov, B. G., Makarova, E. A., Zakieva, E. Sh., Gabdullina, E. R. (2021). Metody iskusstvennogo intellekta v programmnyh prilozheniyah: laboratorniy praktikum po distsiplinam «Metody iskusstvennogo intellekta v upravlenii», «Intellektual'noe upravlenie slozhnymi obektami», «Intellektual'noe upravlenie slozhnymi tekhnicheskimi obektami», «Metody iskusstvennogo intellekta v upravlenii tekhnicheskimi obektami», «Programmnye sistemy i kompleksy v upravlenii kachestvom». Ufa: UGATU. Available at: https://www.ugatu.su/media/uploads/MainSite/Ob%20universitete/Izdateli/El_izd/2021‐52.pdf
  20. Protsenko, M. M., Pavlunʹko, M. Y., Moroz, D. P., Brzhevsʹka, Z. M. (2019). Procedure of signal filtering based on wavelet transformation. Modern Information Security, 1 (37), 64–69. doi: https://doi.org/10.31673/2409-7292.2019.016469
  21. Protsenko, M., Kurtseitov, Т., Pavlunko, M., Brzhevska, Z. (2018). Wavelet transforms application for digital signal analysis. Use of packet wavelet transformation for radio signals processing. Modern Information Security, 3 (35), 11–15. doi: https://doi.org/10.31673/2409-7292.2018.031115
  22. El-Baz, A., Jiang, X., Jasjit, S. (Eds.) (2016). Biomedical image segmentation. CRC Press. doi: https://doi.org/10.4324/9781315372273

##submission.downloads##

Опубліковано

2021-08-31

Як цитувати

Слюсар, В. І., Проценко, М. М., Чернуха, А. А., Горносталь, С. А., Рудаков, С. В., Шевченко, С. М., Черніков, О. В., Колпаченко, Н. М., Тімофєєв, В. О., & Артюх, Р. В. (2021). Розробка удосконаленого методу розпізнавання об’єктів моніторингу згортковою нейронною мережею з використанням дискретного вейвлет-перетворення. Eastern-European Journal of Enterprise Technologies, 4(9(112), 65–77. https://doi.org/10.15587/1729-4061.2021.238601

Номер

Том 4 № 9(112) (2021): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2021 Vadym Slyusar, Mykhailo Protsenko, Anton Chernukha, Stella Gornostal, Sergey Rudakov, Serhii Shevchenko, Oleksandr Chernikov, Nadiia Kolpachenko, Volodymyr Timofeyev, Roman Artiukh

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.