CC BY
22
works, the multiplicity of requirements imposed on them, their multiple connectivity and the complexity of establishing the degree of mutual influence, as well as the influence of various factors on the adequacy of managerial decision-making are shown. Based on this, a scientific problem was formulated for the development of a scientific and methodological apparatus for providing information and analytical support for decision-making in the system of operation of communication means of a special-purpose communication network.
Key words: information and analytical support for decision-making, the effectiveness of the use of communication tools.
Zayats Yuri Aleksandrovich, doctor of technical sciences, professor, sajua@yandex.ru, Russia, Ryazan, The Guards Higer Airborne Command School,
Lagutina Elizaveta Igorevna, candidate of technical sciences, doctoral candidate, below8585@mail.ru, Russia, Ryazan, The Guards Higer Airborne Command School
УДК 004.7
DOI: 10.24412/2071-6168-2022-10-261-267
ПРОБЛЕМЫ ПОСТРОЕНИЯ БОЛЬШИХ ЛОКАЛЬНЫХ СЕТЕЙ ИНТЕРНЕТА ВЕЩЕЙ
А.В. Арефьев, О.В. Афанасьева, Н.А. Вешев, А.В. Дагаев, А.А. Сорокин, Е.Е. Майоров
В статье описываются стандарты и технологии беспроводной передачи данных в локальных сетях Интернета вещей. Проведен анализ проблем совместной одновременной работы бытовых и промышленных устройств, использующих беспроводную передачу данных для связи с облачными технологиями и использования функций этих устройств. В статье рассматриваются причины возникновения помех, в том числе из-за интерференции радиоволн. Проводится исследование влияния препятствий на качество и дальность сигнала. Продемонстрированы основные ошибки при проектировании размещения приемопередающих устройств в инфраструктуре локальной сети. Предложены способы организации крупных локальных сетей Интернета вещей с использованием LoRa, ZigBee, BlueTooth, Wi-Fi, комплекса устройств nRF24L01+ и библиотеки RF24Network. Даны оценки основных недостатков каждого подхода. Определены проблемы построения крупных локальных сетей Интернета вещей.
Ключевые слова: Интернет вещей, беспроводные сети, радиочастотная связь, окружающая среда SOHO.
Сегодня нельзя представить современные крупные города и промышленные центры без компьютеризации и автоматизации. Современные пользователи привыкли к смарт-устройствам в большей мере не как к средствам коммуникации, а как простейшим управляющим датчикам умных систем: от примитивных элементов умного дома, например, освещение помещений, до автоматизированного контроля сложных производственных комплексов. Одной из основ этих технологий является Интернет вещей, которая изначально разрабатывалась, как концепция беспроводного взаимодействия различных устройств между собой и с внешним окружением [1].
В данной статье рассматриваются вопросы построения сетей Интернета вещей и связанные с ними проблемы. Рассматриваются основные недостатки приведенных технологий построения беспроводных сетей. Предлагаются некоторые решения потенциальных проблем [2].
Статья не является детальным обзором существующих технологий или предложением новой. Не приводятся и в полной мере полноценные математические, физические или программные описания работы сетей Интернета вещей. Здесь рассматриваются различные аспекты применения технология как в повседневной жизни, так и при решении различных практических и научных задач. Приведенные примеры являются опытом работы авторов с данными технологиями при решении неклассических задач [3].
Поэтому представляет интерес определения проблем построения крупных локальных сетей Интернета вещей.
Цель работы состояла в исследовании проблем построения больших локальных сетей интернета вещей.
Постановка задачи. Определить факторы влияющие на качество передачи сигнала. Выявить основные ошибки при проектировании размещения приемопередающих устройств в инфраструктуре локальной сети.
Интернет вещей и вычислительные сети. Использование беспроводной коммуникации еще не является само по себе использованием Интернета вещей. Чтобы говорить об этой концепции, необходимо иметь в наличии множество различных по принципам работы и коммуникации устройств и датчиков, которые необходимо объединить для автоматизации каких-либо процессов [4].
261
Рассмотри в качестве примера умный дом. Это совокупность факторов, влияющих на жизнеобеспечения строения: климат-контроль, освещение, контроль за активностью пользователей системы целью рекомендаций по здоровому образу жизни, контроль за расходом электроэнергии и воды. Классический вариант реализации - система кондиционеров, система освещения с датчиками освещенности, а также движения или присутствия, фитнес-трекеры или смарт-часы. Классический вариант - это децентрализация, разрозненность систем и отсутствие интернета вещей. Устройства взаимодействуют по проводам, посредством WiFi и Bluetooth. Современный (умный) вариант - в помещении есть централизованная система, информация со всех имеющихся датчиков и устройств собирается на сервере, который принимает решения о режимах работы элементов этой системы, будь то кондиционеры или программное обеспечение, переводящая неиспользуемые компьютеры в спящий режим. Здесь, конечно же, речь уже идет об интернете вещей [5].
Во втором случае возникает необходимость решения задачи коммуникации всех узлов. Самый простой и самый дорогой вариант - покупка готовой системы от одного разработчика - ПО и устройства в «одной коробке». Минусами в данном случае будут стоимость и потенциальное отсутствие решения для отдельных нестандартных задач. Самый сложный вариант - заказ системы или самостоятельная разработка. Минусы - стоимость и время разработки. Дополнительный вопрос - методы коммуникации. При проектировании здания (помещения) можно было бы заложить проводные коммутационные каналы для этих целей. При эксплуатации уже существующих помещений это сделать намного сложнее. Этот случай - использование беспроводной коммуникации. Сегодня существует множество различных решений по организации взаимодействия между устройствами. Конечно, сразу следует исключить оптические каналы, которые требуют прямой видимости и, зачастую, работают только на два устройства, например, инфракрасный. Радиочастотные же идеально подходят для решения задачи по организации связи между множеством устройств. Лидер в беспроводной коммуникации - WiFi - доступность устройств коммуникации, возможность организации работы по протоколу TC/IP и возможность использования маршрутизатора в качестве сервера или же размещения сервера вдали от основной инфраструктуры. Конечно, у этого подхода, как и у многих других, есть свои недостатки. Так, например, существуют готовые комплексные и модульные решения от известных производителей, которые позволяют построить домашнюю или SUHO сеть устройств Интернета вещей. В большинстве случаев сервер такой сети требует авторизации в облаке производителя. Не редко, когда все устройства требуют такой коммуникации с облаком, а прямое взаимодействие между устройствами отсутствует. При наличии связи с облачным сервером комплекс работает стабильно, в случае обрыва связи результат разнится от деградации системы до ее полного краха. Сама же сеть Интернета вещей в таком случае локальной является только по размещению ее устройств и коммутационного оборудования нижних уровней. Это лишь маленький пример недостатка подхода, что ни в коем случае не уменьшает важность технологии и существующих под нее решений для реализации как вычислительных сетей, так и сетей Интернета вещей.
Недостатки беспроводных сетей. Основным конкурентом за радиочастотное пространство для развертывания решений Интернета вещей, является устройства, подпадающие под классификацию SOHO, а учитывая тенденции к использованию функций на основе беспроводных технологий, можно утверждать, что практически каждое устройство будет иметь беспроводной модуль. Стоит брать во внимание тот факт, что подавляющее большинство решений данной группы используют диапазон 2,4 ГГц, а средняя мощность передатчика варьируется от 5 до 15 дБм. В дополнение к условию, что решения SOHO применяются в эконом-сегменте жилых и промышленных помещений, а, следовательно, и их концентрация в одном пространстве (офисные здания) значительно повышается. Сопутствующим негативным фактором для данного вопроса, является использование легких конструкционных материалов в строительстве, имеющих низкое поглощающее влияние на радиоволны, что формирует проблемы интерференции соседних сетей. Качество сигнала, а соответственно и процент потерь подвергаются различным негативным факторам: интерференция радиоволн, замирание сигнала, затухание после прохождения через преграды.
Для базового анализа размещения сети Интернета вещей требуется понимание планировки помещения и характеристик преград в нем. В различных материалах радиоволны имеют разные коэффициенты затухания в зависимости от частоты радиопередатчика [6].
Помехи и интерференция. В современных реалиях мегаполиса забитость каналов радиосвязи в результате повсеместного использования беспроводных технологий, как в мобильных сетях, так и в бытовых устройствах, приводит к снижению качества беспроводных сигналов.
Если при проводной коммуникации недостатками являются вопросы размещения каналов связи между различными узлами сети (при чем взаимодействие управляющих устройств с периферией идет посредством различных по структуре и реализации каналов данных), то при беспроводном соединении недостатками становятся особенности проводящей среды [7].
Рассмотрим основные технологии (для примера приводится только нижний частотный порог):
- WiFi - работает на частотах 2,4 ГГц и 5 ГГц (особенности стандартов и дальность передачи сигнала не рассматривается);
- ZigBee - работает на частотах 868 МГц, 915 МГц и 2,4 ГГц;
- LoRa - работает на частоте 863 МГц;
- Bluetooth - работает на частоте 2,4 ГГц
- популярный среди любителей nRF24L01+ - работает на частоте 2,4 ГГц. Как видно, частота 2,4 ГГц наиболее распространенная. Конечных устройств, работающих в этом частотном диапазоне и использующих эти технологии намного больше, чем всех остальных. Но на этой же частоте работают и обычные беспроводные сети, Bluetooth устройства для смартфонов (наушники, фитнестрекеры, смартчасы и т.д.) и все остальные беспроводные устройства. Все эти устройства -источники помех. Кроме них помехи создают и бытовые приборы, например, микроволновые печи. В случае с промышленным использованием производственное оборудование - еще один источник помех.
Интерференция радиоволн - достаточно серьезная проблема, если источник накрадывающегося сигнала нерегулярен. Очистка сигнала от помех требует дополнительных аппаратно-программных модификаций, что влияет на себестоимость оборудования [8].
Дальность передачи сигнала. Еще одной проблемой является дальность передачи сигнала. Кроме ограничений, связанных с аппаратными особенностями передающих устройств, существуют еще и препятствия. Радиосигнал пройдет через стену, но при этом затухать будет сильнее, чем на открытом пространстве. На рис.1 представлены материалы и структуры, которые по-разному влияют на затухание сигнала. Примеры для части материалов показаны в таблице.
Материалы
Материал Потеря мощности (дБ)
Металлическая решетка -20,99
Штукатурка -14,86
Шлакоблок -6,71
Кирпич -4,44
Дерево(доски) -2,79
Керамическая плитка -2,22
Фанера -1,91
ДСП -1,65
Проволочная сетка -1,21
Стекло -0,50
Гипсокартон 12,8 мм -0,49
Акрил 7,0 мм -0,36
Рубероид -0,10
Ковролин -0,03
Ткань -0,02
Стеклопластик -0,02
Линолеум -0,02
Акрил 2,5 мм -0,01
Жалюзи закрытые -0,01
Жалюзи открытые -0,002
2,4 ГГц
Металлическая решетца
Рис. 1. Графическая зависимость поглощающей способности материалов от радиосигнала
Существуют различные математические модели расчета предельного расстояния (L) и траектории, по которой пойдет сигнал (формула 1). Чаще всего используют модель, представленную на рис. 2 и формулу (2).
^ _ 10l í(nlcosa+n2cos P)2~(nlcosa~n2cos Р)2 cos(^^QTln2cos Р)^ (1)
V 4П-]П2 cos a cosfi cos(fcori(n-i—n2) cos a) J '
где n - показатель преломления среды; а и в - углы, под которыми сигнал проходит через среды; Ti - путь, который сигнал проходит через среду (толщина среды); ко - волновое число (ко = 2к/Х)
¿ = ¿0+^-^, (2)
где Ь0 - расстояние до первого препятствия; Ь - расстояние от предыдущего препятствия до следующего (или конечного узла), к - коэффициент снижения мощности сигнала (от 0 до 1, где 1 - сигнал не теряет мощность).
к1 кп
Рис. 2. Модель прохождение радиосигнала через препятствия
Необходимо учесть три основные ошибки при исследованиях: во-первых, за изначальную эффективную дальность сигнала принимают значение из стандартов, не закладывая ошибку вычислений, измерений и т.д., т.е. строят идеальную модель; во-вторых, вместо расчета от обратного (определение необходимой эффективной дальности для известного расположения устройств) пытаются рассчитать крайние точки размещения приемников исходя из расположения передатчика, т.е. вместо поиска оптимальных точек размещения или выбора более оптимальной технологии потенциально увеличиваются количество промежуточных устройств; в-третьих, рассчитывают эффективное расстояние в одном направлении, т.е. не учитывают, что препятствия могут оказать более серьезное влияние на обратный сигнал.
Рассмотрим в качестве примера ситуацию, когда два устройства расположены на расстоянии 100 м. Между ними есть два препятствия - ровно посередине и на четверти расстояния от второго (В) к первому (А). При прохождении через препятствия сигнал теряет интенсивность на 25 % и 45 % соответственно (рис. 3).
к=0,25 к2=0,45
Lo=50м
Ll=25м
L2=25м
L=100м
Рис. 3. Схема прохождения сигнала через препятствия
Рассчитаем минимальную дальность передачи сигнала для первого устройства (ЬА) по формуле 3. Для этого пойдем от второго к первому:
25 25 La = 50 + ^—-—— + —г « 328м.
А 0,45 х 0,25 0,25
С учетом потенциальных неточностей в измерениях затухания сигнала и отклонениях от нормативных показателей дальности сигнала, увеличим это значение на 5%:
La = 328 X 1,05 = 344,4м.
Теперь проведем расчет минимальной эффективной дальности для второго устройства:
50 25
lb = (25+^——-77 + —-г) х 1,05 = 551,25м. в V 0,25 х 0,45 0,45/
В итоге получаем, что дальность передачи сигнала должна быть ориентирована на второе устройство, а не на первое. Иначе связь установить не получится.
Количество устройств в сети (подсети). Количество устройств для любого типа сети ограничено. Так Bluetooth работает в режиме 1-к-1, хотя сервер в такой связи может создавать множество соединений и поочередно общаться с устройствами. Популярный дешевый передатчик nRF24L01+ позволяет создать сеть из всего 6 элементов. Но и для него есть решение - библиотека RF24Network, позволяющая превратить группу устройств в многоранговую сеть из 626 устройств, но каждая ячейка будет подчиняться изначальному условию, а сервер более низкого ранга будет выполнять роль клиента более высокого.
Дублирование и резервирование. Еще одна проблема - необходимость резервирования или дублирования каналов связи. Зачастую, связь между узлами реализована через промежуточные ретрансляторы. Но выход из строя одного ретранслятора может выбить один или несколько узлов сети. Создание физического резервного канала связи, например, дублирующий ретранслятор, и программная реализация переключения на дублирующий канал - в данном случае единственный правильный выход.
Применение локальных сетей Интернета вещей. Еще раз возвращаясь к назначению локальной сети Интернета вещей, стоит отметить, что применение концепции возможно не только в рамках умных систем и SOHO. На самом деле любое автоматизированное производство в той или иной мере использует подобные технологии. Современные системы промышленных сигнализаций, роботы-футболисты, ... - могут быть построены с использованием этих технологий.
Конечно, тут стоило бы уделить внимание вопросам безопасности - возможности перехватить или заглушить сигнал. Но и проводные сети не гарантируют высоких показателей безопасности. Единственным вопросом здесь будет использование облачных технологий из коробки. Доверять безопасность и промышленную автоматизацию на откуп чужому облачному серверу - не лучшая идея
Заключение. Построение сетей Интернета вещей сегодня сталкивается с рядом проблем. Одним из технических вопросов требуется учитывать при расчете топологии элементов размещения сети и мощности передатчика, а соответственно и чувствительности приемников на устройствах, является затухание сигнала в различных материалах, составляющих помещение, в котором эксплуатируется сеть из устройств.
Для реализации сети умного дома или SOHO хватит и простой сети на базе WiFi. Расстояния там, чаще всего, небольшие, это значит, что дополнительные узлы если и потребуются, то их будет мало. Чаще вместо в таких случаях правильнее построить проводную сеть, организовав на ней WiFi точки доступа, охватывающие все помещения. Для организации сети Интернета вещей малого предприятия подойдут любые технологии с использованием 2,4 ГГц сетей, преимущество будет у WiFi, ZigBee и RF24Network.
Взаимодействие на большие расстояния стоит доверить LoRa или аналогам. Но в любом случае стоит: первое, обратить внимание на особенности построения одноранговых и многоранговых сетей; второе, рассмотреть вопрос использования совместно и проводных, и беспроводных каналов связи; третье, выполнить при проектировании расчеты не только дальности и стабильности сигнала, но и рассчитать показатели надежности для такой сети; четвертое, предусмотреть возможность резервирования или дублирования каналов связи.
Список литературы
1. Takalkar K.: ZigBee Based Irrigation System Using IoT // International Journal for Research in Applied Science and Engineering Technology. 2018. Vol.6. 3307-3312. D01:10.22214/ijraset.2018.3702.
2. Abhishek Kumar, Magesh.S Automated irrigation system based on soil moisture using arduino // International Journal of Pure and Applied Mathematics. 2017. Vol. 116. No. 21. Р. 319-323.
3. Mamta Patidar S.S. Belsare Design and implementation of automatic irrigation system using arm7 // International Journal of Management and Applied Science 2015, Special Issue-1. P. 51-53.
4. S. Darshna, T. Sangavi, Sheena Mohan, A. Soundharya, Sukanya Desikan Smart Irrigation System // Journal of Electronics and Communication Engineering. 2015. Vol. 10. P. 2278-2834.
5. R. Suresh, S. Gopinath, K. Govindaraju, T. Devika, N. SuthanthiraVanitha GSM based Automated IrrigationControl using Raingun Irrigation System // International Journal of Advanced Research in Computer and Communication. 2014. Vol. 3. P. 5331-5333.
6. Кочин В.П., Воротницкий Ю.И., Стрикелев Д.А. Методика быстрой оценки мощности Wi-fi сигнала при прохождении препятствий в пределах здания // Вестник БГУ. 2013. Серия1, Физика, Математика, Информатика, Том.1. С. 45-50.
7. Cieslik D.: Network design problems Network Design Problems // Encyclopedia of Optimization. 2008. Pp. 2539-2545.
8. Wijaya H., Kusuma W.: Implementasi Sistem Multi-Telemetri menggunakan Protokol RF24 untuk monitoring Pada Greenhouse // Techno.Com. 2018. Vol. 17. (4). Pp. 365-376. DOI: 10.33633/tc.v17i4.1788.
Арефьев Александр Владимирович, канд. физ.-мат. наук, доцент, aaref@yandex.ru, Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения (ГУАП),
Афанасьева Ольга Владимировна, канд. тех. наук, доцент, Ovaf72@smail.com, Россия, Санкт-Петербург, Санкт-Петербургский горный университет,
Вешев Николай Александрович, канд. физ.-мат. наук, доцент, kcin61@mail.ru, Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения (ГУАП),
Дагаев Александр Владимирович, канд. тех. наук, доцент, adagaev@list.ru, Россия, Ивангород, Санкт-Петербург, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича,
Майоров Евгений Евгеньевич, канд. тех. наук, доцент, majorov_ee@mail. ru, Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения (ГУАП),
Сорокин Алексей Андреевич, старший преподаватель, a. a. sorokin@ifguap. ru, Россия, Ивангород, Ивангородский гуманитарно - технический институт (филиал) федерального государственного автономного образовательного учреждения высшего образования «Санкт-Петербургский государственный университет аэрокосмического приборостроения»
PROBLEMS OF BUILDING LARGE LOCAL NETWORKS OF THE INTERNET OF THINGS A.V. Arefiev, O.V. Afanaseva, N.A. Veshev, A. V. Dagaev, E.E. Maiorov, A.A. Sorokin
The article describes the standards and technologies of wireless data transmission in local networks of the Internet of Things. The analysis of the problems of joint simultaneous operation of household and industrial devices using wireless data transmission for communication with cloud technologies and the use of the functions of these devices is carried out. The article discusses the causes of interference, including due to interference of radio waves. The influence of obstacles on the quality and range of the signal is being investigated. The main errors in the design of the placement of transceiver devices in the local network infrastructure are demonstrated. The methods of organizing large local networks of the Internet of Things using LoRa, ZigBee, BlueTooth, Wi-Fi, the nRF24L01+ device complex and the RF24Network library are proposed. Estimates of the main disadvantages of each approach are given. The problems of building large local networks of the Internet of Things are identified.
Key words: Internet of Things, wireless networks, radio frequency communication, SOHO environment.
Arefiev Alexander Vladimirovich, candidate of physical and mathematical sciences, docent, aaref@yandex.ru, Russia, St. Petersburg, St. Petersburg state university of aerospace instrumentation ( GUAP),
Afanaseva Olga Vladimirovna, candidate of technical sciences, docent, Ovaf72@gmail.com, Russia, St. Petersburg, St. Petersburg Mining University,
Veshev Nikolai Alexandrovich, candidate of physical and mathematical sciences, docent, kcin61 @mail. ru, Russia, St. Petersburg, St. Petersburg state university of aerospace instrumentation
(GUAP),
Dagaev Alexsander Vladimirovich, candidate of technical sciences, adagaev@list.ru, Russia, The Bonch-Bruevich Saint-Petersburg State University of Telecommunications,
Maiorov Evgeny Evgenievich, candidate of technical sciences, docent, majorov_ee@mail.ru, Russia, St. Petersburg, Saint-Petersburg state university of aerospace instrumentation (GUAP),
266
Sorikin Alexey Andreevich, Senior Lecturer, a.a.sorokin@ifsuap.ru, Russia, Ivangorod, Ivangorodskii Humanitarian-Technical Institute (branch of) State educational institution for higher professional education «Saint-Petersburg University of Aerospace Instrumentation»
УДК 004.896
DOI: 10.24412/2071-6168-2022-10-267-274
ПРИМЕНЕНИЕ СЕГМЕНТАЦИИ ДЛЯ ОБНАРУЖЕНИЯ КОНТУРА ДЕТАЛИ ПРИ АВТОМАТИЗАЦИИ ТЕХНОЛОГИЧЕСКОГО ПРОЕКТИРОВАНИЯ
О.Н. Михалев, А.С. Янюшкин
Все большее применение машинное зрение находит при автоматизации различных сложных и творческих задач. С его помощью осуществляется обнаружение, распознавание и классификация различных объектов на изображении или видеопотоке. Одним из важных методов машинного зрения является сегментация изображения. С помощью сегментации определяются точные границы объектов на изображении, а распознавание выделенных объектов дает возможность и для принятия различных решений. Подобные методы применяются при анализе медицинских и металлографических снимков, роботизации, реализации беспилотного транспорта, контроле деталей, и при решении множества других задач. Сегментация может быть применена и в области технологического проектирования. Обнаружение и распознавание контура деталей или их элементов позволяет находить типовые технологические решения и применять их при проектировании технологических процессов.
Ключевые слова: машинное зрение, сегментация, обнаружение контура, распознавание элемента, автоматизация проектирования технологических процессов.
Объединение цифровых и производственных технологий открывает огромный потенциал для совершенствования промышленных предприятий. В данных условиях главным направлением развития является цифровизация и автоматизация практически всех этапов производства. Уже сегодня повсеместно вводятся такие решения как цифровые двойники, сервисы для интеллектуального анализа данных, проактивный мониторинг, промышленный интернет вещей IoT (Internet of things), роботизация и многие другие. Данные цифровые решения позволяют максимально оптимизировать предприятия путем устранения простоев и увеличения производительности, рационального использования ресурсов, ускорения внедрения новых продуктов и множества других улучшений. Все это вместе приводит к такой цифровой трансформации предприятий, которая позволит сделать их более прогрессивными и максимально конкурентоспособными.
Использование цифровой информации дает возможность применение технологий искусственного интеллекта, таких как искусственные нейронные сети, глубокое обучение, машинное зрение.
Машинное зрение сегодня является жизненно важным компонентом цифровой трансформации предприятий. С ее помощью возможно не только полное распознавание объектов, но и выявление их ориентации в пространстве, выявление различных дефектов, проведение измерений и множества других оптических операций, на основе которых возможно принимать различные решения.
Одним из таких примеров может служить, диагностика оборудования, которая позволяет оптимизировать ремонт и обслуживание сложного технологического оборудования. Вращающиеся точные детали, такие как шестерни, подшипники работают на высоких скоростях, под значительной нагрузкой, в том числе и в агрессивных средах, при длительной работе возможны их небольшие разрушения, которые могут привести к поломке всего механизма и значительному экономическому ущербу предприятия. Своевременная замена изношенных деталей позволит исключить простои и дорогостоящие ремонты. В исследовании [1] предложен метод выявления дефектных вращающихся деталей в ответственных механизмах путем распознавания вибрации и шума на графиках самописца, передаваемых с датчиков, с помощью сверточных нейронных сетей (рис. 1). Результат работы показал распознавание дефектов деталей с точностью 96% на тестовой выборке, при этом точность возрастает при повышении количества обучающей выборки. Таким образом ремонт узла проводится не по плану, а когда фактически это необходимо. Практически данная возможность обеспечивает бесперебойную и эффективную работу активов предприятия.
Наибольший интерес для реализации подобных проектов представляет программное обеспечение, которое осуществляет обнаружение и распознавание объекта на цифровом изображении или видеопотоке с веб-камеры. Основной подход заключается в использовании сверточных нейронных сетей, которые хорошо работают с пространственными структурами.
