Ipari rovarcsapdák automatizált monitorozása neurális hálózat alapú gépi látás módszerekkel
Az élelmiszeriparban a kártevőirtást szigorú szabványok szerint végzik. Ehhez tartozik a rovarok jelenlétének monitorozása, amely időigényes és kellemetlen munka, ugyanis napjainkban a rovarcsapdák tartalmát munkavállalók kell hogy rendszeres időközönként felmérjék. E feladat gépi látás módszerek segítségével automatizálható lenne.
A neurális háló architektúrák fejlődésének és a deep learning módszer megjelenésének hatására a képfelismerési feladatok jól-automatizálhatóvá váltak. Korábban nagy és feladatspecifikus adathalmazra volt szükség hálók tanításához, amelynek beszerzése költséges.
Az ImageNet egy több, mint húszezer osztállyal, osztályonként több száz képpel rendelkező adathalmaz. Napjaink legismertebb hálóit mind az ImageNet-en tanították, versenyeztették. E mély neurális hálók konvolúciós rétegei a feldolgozandó képen tulajdonságokat keresnek. A bemenethez közelebbi rétegek alacsony szintű tulajdonságokat, mint például éleket keresnek, a későbbiek pedig ezek összefűzését valósítják meg. Ennek ismeretében a korai rétegeket új hálókban is felhasználhatjuk, ezzel a saját hálónk erőforrás igényét jelentősen csökkentve. Ezen, és egyéb módszerek felhasználásával neurális hálók tanítása könnyebben kivitelezhető, mintha a semmiből szeretnénk felépíteni egy működő modellt.
Kutatásunk célja egy android alkalmazás implementálása, amely képes rovarok felismerésére egy kameraképen, s amellyel a fent említett valós ipari probléma automatizálása megvalósítható.
szerzők
-
Földi Sándor
Mechatronikai mérnöki alapszak (BSc)
alapképzés (BA/BSc) -
Kránitz Krisztián
Mechatronikai mérnöki alapszak (BSc)
alapképzés (BA/BSc)
konzulensek
-
-
Galambos Péter
tudományos munkatárs, MTA SZTAKI (külső)
