DOI: 10.47026/1810-1909-2024-4-107-116
УДК 621.314.212-729.8:004.896
ББК З261.8-04-057.3
К.А. ПЕТРОВ, Н.Н. ИВАНОВА, С.А. СОЛОВЬЕВ
Ключевые слова: искусственный интеллект, машинное обучение, автоматизация на предприятии, предварительно обученная модель, компьютерное зрение.
Маслоуказатели позволяют отслеживать количество масла, находящегося в трансформаторах, что необходимо для предотвращения его перегрева и связанных с этим негативных последствий, таких как ухудшение изоляционных и охлаждающих свойств масла, повышение давления внутри устройства и возможное возникновение аварийных ситуаций. Большинство из стрелочных маслоуказателей не имеют электрического выхода индикации результатов измерений, что осложняет процесс считывания показаний прибора. Одним из вариантов решения этой проблемы может быть использование интеллектуальных методов анализа изображений, которые в последнее время активно применяются во многих научных и практических областях.
Цель исследования – разработка и оценка эффективности интеллектуальной системы определения наличия стрелочного трансформаторного маслоуказателя на изображении с использованием предварительно обученной модели MobileNetV2 FPN Lite.
Материалы и методы. В ходе исследования применялись теоретические и эмпирические методы. В исследовании рассмотрены стрелочные маслоуказатели моделей МС-1 и МС-2. Для разработки модели машинного обучения для распознавания изображений был выбран язык Python, использовалась платформа с открытым кодом TensorFlow Object Detection API, входящая в состав TensorFlow, которая реализует создание, обучение, тестирование нейросетевых моделей обнаружения объектов.
Результаты. Описаны процесс генерации обучающего множества при помощи методов аугментации и процесс разметки данных. Был рассмотрен и проанализирован процесс подбора гиперпараметров для обучения модели. Гиперпараметр «число нейронов» был использован с таким же значением, что и в предобученной модели. В качестве функции активации была выбрана ReLU, использовался метод оптимизации momentum. Размер batch составил 4, количество эпох было принято равным 2000. Рассчитаны метрики Accuracy, Recall, Precision и F1-score, и на их основе произведена оценка качества и эффективности полученной модели. Модель хорошо справилась с задачей избегания ложных срабатываний, что подтверждает высокое значение метрики Precision = 1,0. Однако она неправильно распознала значительное число объектов, не относящихся к маслоуказателям, что отражено в невысоком значении Recall = 0,687. Причиной таких показателей метрик Recall и F1-score является несбалансированность данных для обучения. Для устранения этого недостатка в дальнейших исследованиях необходимо подготовить большее количество уникальных изображений прибора, отображающих его под разными углами наклона, в разные погодные условия, при разном освещении.
Выводы. Построена модель интеллектуальной системы определения наличия трансформаторного маслоуказателя на изображении с использованием предварительно обученной модели MobileNetV2 FPN Lite. Модель обучилась определять прибор и его границы по изображению, однако точность модели недостаточна для ее использования в реальных условиях. Увеличение объема обучающей, валидационной и тестовой выборок может решить эту проблему. В целом предложенный способ распознавания трансформаторного маслоуказателя на изображении показал свою работоспособность.
Литература
Сведения об авторах
Петров Кирилл Алексеевич – аспирант, ассистент кафедры математического и аппаратного обеспечения информационных систем, Чувашский государственный университет, Россия, Чебоксары (kirillapetrov2000@gmail.com; ORCID: https://orcid.org/0009-0004-0989-0078).
Иванова Надежда Николаева – кандидат технических наук, доцент кафедры математического и аппаратного обеспечения информационных систем, Чувашский государственный университет, Россия, Чебоксары (niva_mail@mail.ru; ORCID: https://orcid.org/0000-0001-7130-8588).
Соловьев Сергей Анатольевич – кандидат физико-математических наук, доцент, заведующий кафедрой информационных технологий и интеллектуальных систем, Казанский государственный энергетический университет, Россия, Казань (solovev.sa@kgeu.ru; ORCID: https://orcid.org/0000-0001-8428-3367).
Формат цитирования
Петров К.А., Иванова Н.Н., Соловьев С.А. Распознавание трансформаторного маслоуказателя на изображении с помощью предварительно обученной модели MobileNetV2 FPN Lite // Вестник Чувашского университета. 2024. № 4. С. 107–116. DOI: 10.47026/1810-1909-2024-4-107-116.
