Μηχανική όραση – εφαρμογή βλητικού υπολογιστή
Machine vision - ballistic computer
Θεματική επικεφαλίδα
TPSH::Τεχνολογία::Αυτόματος Έλεγχος::Ηλεκτρικός και Ηλεκτρονικός Έλεγχος ; TPSH::Τεχνολογία::Τηλεπικοινωνία::Επεξεργασία ΕικόναςΛέξεις κλειδιά
Αναγνώριση αντικειμένων ; Βλητικός υπολογιστής ; Ιχνηλάτης ; Ballistic computer ; Tracker ; YOLO ; Object detection ; Μηχανική όραση ; Τεχνητή νοημοσύνη ; Μηχανική μάθηση ; Deep learning ; Βαθιά μάθηση ; Machine learningΠερίληψη
Σκοπός της εργασίας είναι να αναδείξει σε πρακτικό επίπεδο τις δυνατότητες των νέων τεχνολογιών και συγκεκριμένα της μηχανικής μάθησης με χρήση νευρωνικών δικτύων σε απλά καθημερινά ή όχι , προβλήματα . Είναι μια εφαρμογή μηχανικής μάθησης σχεδίασης σκοπευτικού συστήματος . Αν και η χρήση του θα μπορούσε να επεκταθεί σε πολλούς τομείς, εδώ επικεντρώνεται ως βοηθητικός βλητικός υπολογιστής άρματος. Για λόγους πρακτικής επίδειξης χρησιμοποιεί ορολογία και γραφικό περιβάλλον όμοιο με αυτό των αρμάτων. Η εφαρμογή ολοκληρώνεται με ένα σύστημα σερβοκινητήρων για την επίδραση με το περιβάλλον , ενός από τα πολλά αισθητήρια/ενεργοποιητές που θα χρειάζονταν για να γίνει ρεαλιστικό το σύνολο. Στην εργασία αυτή δεν γίνεται σφαιρική ανάλυση όλων των τεχνολογιών που χρησιμοποιούνται ή που θα μπορούσαν να αποτελούν εναλλακτικές λύσεις τους. Δεν είναι ένα εγχειρίδιο νευρωνικών δικτύων ή μηχανικής μάθησης. Βαδίζοντας προς το πρακτικό μέρος της εφαρμογής ,γίνεται μια αναφορά στο περιβάλλον από το οποίο προέρχεται η κάθε τεχνολογία στο βαθμό που χρειάζεται για να γίνει κατανοητή η χρήση της. Οι τεχνικές μηχανικής μάθησης αναπτύσσονται ραγδαία τα τελευταία χρόνια. Είναι χαρακτηριστικό ότι στους μήνες που διήρκησε ο σχεδιασμός και η ανάπτυξη αυτής της εργασίας, καινούργια προγραμματιστικά εργαλεία δημιουργήθηκαν ή έστω σταθεροποιήθηκαν , ενώ παρατηρήθηκαν και μεγάλες μετακινήσεις μηχανικών από μια πλατφόρμα σε άλλη με μορφή ρεύματος. Κριτήρια για αυτά είναι η υποστήριξη που παρέχουν μεγάλες εταιρίες κατασκευής hardware στις διάφορες πλατφόρμες καθώς οι απαιτήσεις σε υπολογιστική δύναμη είναι μεγάλες και η βελτιστοποίηση του hardware για συγκεκριμένους αλγόριθμους οδηγεί σε αύξηση ζήτησης.
Περίληψη
The purpose of this work is to bring to light the potential of new technologies and in particular of machine learning using neural networks in simple everyday or not problems. It is a machine learning application of targeting system. Although its use could be extended to many areas, it focuses here as a ballistic computer for battle tanks. For practical purposes, it uses terminology and a graphical interface similar to the battle tank environment. The application is completed with a servomotor system for environmental impact, one of the many sensors / actuators that would be needed to make the whole app realistic. This work does not provide a comprehensive analysis of all the technologies used or could be used as alternatives. It is not a neural network or machine learning manual. Moving on to the practical part of the application, a reference is made to the environment from which each technology originates, up to the point that is necessary to understand its use. Machine learning techniques have grown rapidly in recent years. It is noteworthy that in the months leading up to the design and development of this work, new programming tools were created or at least stabilized, and large movements of engineers were observed from one platform to another in the form of wave. Criteria for this are the support provided by major hardware manufacturers across platforms as computing requirements are high and hardware optimization for specific algorithms leads to increased demand.