Similar presentations:
Разработка системы распознавания дефектов на автомобильных номерах
1.
Факультет математики и информационныхтехнологий
Кафедра математического моделирования
Выпускная квалификационная работа на тему
«Разработка системы распознавания
дефектов на автомобильных номерах»
Выполнил:
Студент 4 курса очной формы обучения
Садыков Ильнур Зиннурович
Руководитель:
к.ф.-м.н., доцент
Михайлова Татьяна Анатольевна
2.
Пример подобны х приложений2
uust.ru
3.
Цель и задачиработы
Цель: разработка приложения, определяющего наличие дефектов на автомобильных
номерах, используя нейронные сети.
Для достижения этой цели надо решить следующие задачи:
1. Произвести анализ предметной области.
2. Выбрать инструментальные средства и среду разработки .
3. Спроектировать архитектуру нейронной сети.
4. Сформировать обучающую выборку.
5. Программно-реализовать приложение.
6. Разработать пользовательский интерфейс.
7. Провести тестирование системы.
3
uust.ru
4.
Используемы етехнологии
Рис 1. Используемые технологии
uust.ru
4
5.
Общее решениезадачи
Рис 2. Общая схема решения задачи
uust.ru
5
6.
Реализацияпрограммы
Рис 3. Код создания модели нейронной сети
uust.ru
6
7.
Реализацияпрограммы
Рис 4. Преобразование входного изображения
uust.ru
7
8.
Реализацияпрограммы
Рис 5. Перевод символов на изображении в символы на терминале
uust.ru
8
9.
Результат работыРис 6. Результат работы нейронной сети
uust.ru
9
10.
Реализацияинтерфейса
Рис 7. Создание интерфейса
uust.ru
10
11.
Графический интерфейс и возможностиприложения
Рис 8. Начальный интерфейс пользователя
uust.ru
11
12.
Графический интерфейс и возможностиприложения
Рис 9. Пример работы программы
uust.ru
12
13.
Графический интерфейс и возможностиприложения
Рис 10. Пример работы программы с дефектными номерами
uust.ru
13
14.
Графический интерфейс и возможностиприложения
Рис 11. Пример работы программы на фотографиях без номеров
uust.ru
14
15.
В ы воды1. Разработано приложение для определения дефектов на автомобильных номерах.
2. Приложение позволяет получать информацию об автомобильных номерах, имеющих
дефекты.
3. Реализована нейронная сеть с использованием библиотек Tensorflow и Keras.
4. Была обучена нейронная сеть.
5. Были реализованы функции преобразования исходного изображения.
6. Проведено тестирование приложения, которое не выявило дефектов критической или
высокой серьезности.
15
uust.ru
16.
Благодарю за внимание!uust.ru