Ахметзянов Кирилл Раисович Нейро-сетевые методы и алгоритмы самообучения при обработке данных в системе автоматизации процесса сортировки бытовых отходов

Краткое описание

Ахметзянов Кирилл Раисович Нейро-сетевые методы и алгоритмы самообучения при обработке данных в системе автоматизации процесса сортировки бытовых отходов
ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ
кандидат наук Ахметзянов Кирилл Раисович
Оглавление

Введение

Глава 1. Анализ объекта исследования и постановка задачи

1.1 Современной состояние промышленности

1.2 Современная переработка отходов

1.3 Управление отходами

1.4 Исследование и анализ технологического процесса сортировки мусора

1.5 Выбор факторов эффективности процесса

1.6 Обзор методов СМ

1.6.1 Сортировка с помощью ЫЖ- датчиков

1.6.2 Электростатическая сортировка

1.6.3 Сортировка с использованием рентгеновских датчиков

1.6.4 Сортировка с использованием датчиков в видимом диапазоне

1.7 Обзор методов оптической СМ

1.8 Обзор нейро-сетевых технологий СМ

1.9 Выводы

Глава 2. Разработка метода автоматизированного обучения специализированной

нейронной сети для сортировки мусора

2.1 Выбор сверточной нейронной сети

2.2 Процесс обучения сверточной нейронной сети 35 2.2.1 Описание экспериментальной установки

2.2.2 Результаты эксперимента для обученной нейронной сети для распознавания пластиковых и алюминиевых банок

2.3 Увеличение точности распознавания выбранной нейронной сети

2.3.1 Описание метода повышения точности с помощью аугментации

2.3.2 Проведение экспериментов с предлагаемым методом повышения точности нейронной сети

2.3.2.1 Обзор методов аугментации

2.2.2.2 Выбор методов аугментации

2.4 Выводы

Глава 3. Увеличение точности и скорости распознавания выбранной нейронной сети

3.1 Оптимизация гиперпараметров

3.1.1 Постановка задачи выбора оптимальных гиперпараметров

3.1.2 Разработка метода выбора оптимальных гиперпараметров

3.1.3 Проведение экспериментов для разработанного метода МТМС

3.1.4 Сравнение МТМС с существующими методами гиперпараметрической оптимизации

3.2 Оптимизация вычислений выбранной нейронной сети

3.2.1 Постановка задачи оптимизации вычислений нейронной сети

3.2.2 Квантование нейронной сети

3.3. Выводы

Глава 4. Построение устройства предварительной сортировки отходов «Сортомат» в АСУТП

4.1 Описание устройства «Сортомат»

4.2 Обучение нейронной сети для «Сортомата» с помощью разработанных методов

4.3 Внедрение полученных результатов в «Сортомат»

4.4 Выводы 93 Заключение 95 Список литературы

Приложение А Оценочная матрица гиперпараметров по заданным критериям

110

Приложение Б Оптимальные гиперпараметры для первого способа обучения

Приложение В Оптимальные гиперпараметры для второго способа обучения

114

Приложение Г Оптимальные гиперпараметры с соответствующими коэффициентами значимости критериев выбора

Приложение Д Свидетельство о государственной регистрации программы для ЭВМ «Программа бинокулярного зрения с учетом расстояния до объекта»

Приложение Е Патент на полезную модель «АВТОМАТ ПО ПРИЁМУ ТАРЫ»

118

Приложение Ж Акт внедрения в «Сортомат»

Приложение И Акт внедрения в учебный процесс