ОБУЧЕНИЕ МОДЕЛИ YOLO ДЛЯ РАСПОЗНАВАНИЯ ЛЕДЕНЦОВ HALLS С ПОМОЩЬЮ MAIXDUINO

2024

Толық мәтін Ашық қол жеткізу: Hybrid Метадеректер (CSL-JSON)
DOI 10.52167/1609-1817-2024-130-1-353-362
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

В данном исследовании рассматривается использование платы разработки MaixDuino для распознавания трех различных сортов леденцов (конфет). Этап обучения проводился на платформе MaixHub, представляющей собой комплексную экосистему, объединяющую сервисы ИИ-моделей и взаимодействие с сообществом. Работая в тандеме с моделью YOLOv2, MaixDuino прошла пять итераций обучения, постепенно улучшая свои характеристики. Наибольшего внимания заслуживает пятая, заключительная тренировка, показавшая оптимальную точность. Исследование показало, что модель демонстрирует отличные результаты в реальных условиях, особенно при хорошем освещении и отсутствии бликов. Предполагается, что данная система обнаружения леденцов будет интегрирована в процесс сортировки с использованием комбинации ленточного конвейера и дельта-манипулятора. Данное исследование вносит существенный вклад в развитие технологий обнаружения леденцов, демонстрируя эффективность платы разработки MaixDuino в сочетании с моделью YOLOv2. Результаты исследования подчеркивают возможность применения данной системы в промышленных условиях, где надежная и эффективная сортировка конфет имеет первостепенное значение.