Вопросы применения нейронных сетей при разработке автоматов по приему тары
Приводятся результаты разработки оригинального автомата по приему тары на основе IoT и нейронных сетей. Эти автоматы должны выполнять возложенные на них функции (распознавать контейнеры – бутылки ПЭТ и алюминиевые банки), быть безопасными (не подвергать опасности здоровье и материальные ценности пользователя), но и в то же время обладать низкой ценой производства и обслуживания (из-за низкой рентабельности деятельности по сбору контейнеров в текущих условиях рынка). По традиции данные машины разрабатываются на базе контроллеров IoT и одноплатных компьютеров. Они имеют весьма ограниченные память и вычислительные возможности, однако позволяют использовать для реализации проекта различные специализированные устройства (камеры, сканеры штрих-кода, спектрометры и прочее). Для снижения себестоимости была предпринята попытка отказаться от дорогостоящей электроники, используя только визуальное распознавание объекта на основе нейронных сетей. Для этого были выбраны и обучены некоторые из наиболее популярных сетей, основанных на нейросетевой надстройке Keras над фреймворком Tensorflow и Caffe: LeNet, AlexNet, SqueezeNet, проведены сравнительные тесты и сделаны выводы.
Авторы: А. Н. Кококулин, А. И. Тур, А. A. Южаков
Направление: Автоматизация и управление
Ключевые слова: Автомат по приему тары, нейронная сеть, сверточная нейронная сеть, переработка
Открыть полный текст статьи