МОДЕЛИРОВАНИЕ СИСТЕМ КОМПЬЮТЕРНОГО ЗРЕНИЯ С ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ
DOI:
https://doi.org/10.52167/1609-1817-2024-134-5-393-402Ключевые слова:
системы компьютерного зрения, искусственный интеллект, глубокое обучение, нейронные сети, обнаружение и распознавание объектов, сегментация изображенийАннотация
В последние годы быстрое развитие технологий искусственного интеллекта привело к значительным достижениям в области компьютерного зрения, предназначенного для извлечения ценной информации из визуальных данных. В этой статье представлен комплексный анализ моделирования систем компьютерного зрения с упором на интеграцию методов искусственного интеллекта для повышения их производительности и возможностей. Благодаря обширному обзору литературы в этом исследовании изучаются новейшие методологии, алгоритмы и архитектуры, используемые в системах компьютерного зрения для выполнения таких задач, как обнаружение, распознавание, отслеживание и сегментация объектов. Сначала в статье представлен обзор систем компьютерного зрения и их значения в различных областях, включая автономные транспортные средства, наблюдение, робототехнику и медицинскую визуализацию. Затем он углубляется в достижения искусственного интеллекта, в частности в методы глубокого обучения, такие как сверхточные нейронные сети и рекуррентные нейронные сети, которые произвели революцию в области компьютерного зрения. В статье подчеркивается эффективность моделей искусственного интеллекта (ИИ) в повышении точности и эффективности задач компьютерного зрения, демонстрируя их превосходство над традиционными методами обработки изображений. Кроме того, это исследование изучает проблемы и ограничения, с которыми сталкиваются при моделировании систем компьютерного зрения с помощью ИИ. Моделирование систем компьютерного зрения с элементами искусственного интеллекта осуществляется в Matlab/Simulink. Обсуждаются такие проблемы, как предвзятость набора данных, масштабируемость, интерпретируемость и надежность, а также предлагаемые решения и текущие исследовательские усилия. Наконец, статья завершается всесторонним взглядом на будущее моделирования систем компьютерного зрения с помощью ИИ.
Библиографические ссылки
[1] Gani Balbayev, Aigerim Mussina, Algazy Zhauyt, Beibit Shingissov, and Marina Kalekeyeva, "Neural Control for Image Stabilisation Using a Reference Model," International Journal of Mechanical Engineering and Robotics Research, Vol. 10, No. 1, pp. 17-21, January 2021. DOI: 10.18178/ijmerr.10.1.17-21.
[2] C. Huang, Z. Zhang, B. Mao and X. Yao, "An Overview of Artificial Intelligence Ethics," in IEEE Transactions on Artificial Intelligence, vol. 4, no. 4, pp. 799-819, Aug. 2023, doi: 10.1109/TAI.2022.3194503.
[3] LeCun, Yann & Bengio, Y. & Hinton, Geoffrey. (2015). Deep Learning. Nature. 521. 436-44. 10.1038/nature14539.
[4] Russakovsky, O., Deng, J., Su, H. et al. ImageNet Large Scale Visual Recognition Challenge. Int J Comput Vis 115, 211–252 (2015). https://doi.org/10.1007/s11263-015-0816-y.
[5] M. Adel, S. M. Ahmed and M. Fanni, "End-Effector Position Estimation and Control of a Flexible Interconnected Industrial Manipulator Using Machine Learning," in IEEE Access, vol. 10, pp. 30465-30483, 2022, doi: 10.1109/ACCESS.2022.3157817.
[6] Krizhevsky, Alex & Sutskever, Ilya & Hinton, Geoffrey. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Neural Information Processing Systems. 25. 10.1145/3065386.
[7] S. Liang, X. Jianchun and Z. Xun, "An Extraction and Classification Algorithm for Concrete Cracks Based on Machine Vision," in IEEE Access, vol. 6, pp. 45051-45061, 2018, doi: 10.1109/ACCESS.2018.2856806.
[8] N. Liu et al., "Modeling and Simulation of Robot Inverse Dynamics Using LSTM-Based Deep Learning Algorithm for Smart Cities and Factories," in IEEE Access, vol. 7, pp. 173989-173998, 2019, doi: 10.1109/ACCESS.2019.2957019.
[9] A. T. Vo and H. -J. Kang, "Neural Integral Non-Singular Fast Terminal Synchronous Sliding Mode Control for Uncertain 3-DOF Parallel Robotic Manipulators," in IEEE Access, vol. 8, pp. 65383-65394, 2020, doi: 10.1109/ACCESS.2020.2984891.
[10] F. Tokuda, S. Arai and K. Kosuge, "Convolutional Neural Network-Based Visual Servoing for Eye-to-Hand Manipulator," in IEEE Access, vol. 9, pp. 91820-91835, 2021, doi: 10.1109/ACCESS.2021.3091737.
[11] E. J. López, D. Servín De La Mora-Pulido, R. Servín De La Mora-Pulido, F. J. Ochoa-Estrella, M. Acosta Flores and G. Luna-Sandoval, "Modeling in Two Configurations of a 5R 2-DoF Planar Parallel Mechanism and Solution to the Inverse Kinematic Modeling Using Artificial Neural Network," in IEEE Access, vol. 9, pp. 68583-68594, 2021, doi: 10.1109/ACCESS.2021.3073402.
[12] W. Pan, M. Lyu, K. -S. Hwang, M. -Y. Ju and H. Shi, "A Neuro-Fuzzy Visual Servoing Controller for an Articulated Manipulator," in IEEE Access, vol. 6, pp. 3346-3357, 2018, doi: 10.1109/ACCESS.2017.2787738.
[13] P. -N. Le and H. -J. Kang, "Robot Manipulator Calibration Using a Model Based Identification Technique and a Neural Network with the Teaching Learning-Based Optimization," in IEEE Access, vol. 8, pp. 105447-105454, 2020, doi: 10.1109/ACCESS.2020.2999927.
[14] M. Elsisi, K. Mahmoud, M. Lehtonen and M. M. F. Darwish, "An Improved Neural Network Algorithm to Efficiently Track Various Trajectories of Robot Manipulator Arms," in IEEE Access, vol. 9, pp. 11911-11920, 2021, doi: 10.1109/ACCESS.2021.3051807.
[15] C. Yang, G. Peng, L. Cheng, J. Na and Z. Li, "Force Sensorless Admittance Control for Teleoperation of Uncertain Robot Manipulator Using Neural Networks," in IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 51, no. 5, pp. 3282-3292, May 2021, doi: 10.1109/TSMC.2019.2920870
[16] H. -C. Huang and C. -C. Chuang, "Artificial Bee Colony Optimization Algorithm Incorporated with Fuzzy Theory for Real-Time Machine Learning Control of Articulated Robotic Manipulators," in IEEE Access, vol. 8, pp. 192481-192492, 2020, doi: 10.1109/ACCESS.2020.3032715.
[17] Zhanibek Issabekov and Nakhypbek Aldiyarov, “Developing the Mathematical Model of the Bipedal Walking Robot Executive Mechanism” International Journal of Advanced Computer Science and Applications (IJACSA), 12(12), 2021. http://dx.doi.org/10.14569/IJACSA.2021.0121240.
[18] Y. Zhang, Q. Li, W. Zhang, Y. Liu and Z. Xue, "Weighted Multiple Neural Network Boundary Control for a Flexible Manipulator with Uncertain Parameters," in IEEE Access, vol. 7, pp. 57633-57641, 2019, doi: 10.1109/ACCESS.2019.2914077.
[19] Li X, Gao X, Sun L, et al. The adaptive neural network fuzzy sliding mode control for the 3-RRS parallel manipulator. Advances in Mechanical Engineering. 2022;14(9). doi:10.1177/16878132221126112.
[20] Guoxin Hua, Fei Wang, Jianhui Zhang, "Study on Impact Test System of Manipulator Based on Six Axis Force Sensor and Intelligent Controller", Journal of Sensors, vol. 2022, Article ID 7869019, 14 pages, 2022. https://doi.org/10.1155/2022/7869019
[21] Li, Z., Li, S.: Recursive recurrent neural network: a novel model for manipulator control with different levels of physical constraints. CAAI Trans. Intell. Technol. 1– 13 (2022). https://doi.org/10.1049/cit2.12125
[22] B. Dauren, N. Zhetenbayev, G. Balbayev, B. Shingissov, N. Arailym, and Y. Saltanat, “Development and simulation of a device for upper limb rehabilitation,” Vibroengineering PROCEDIA, Vol. 48, pp. 29–35, Feb. 2023, https://doi.org/10.21595/vp.2023.23167
[23] Y. -T. Su et al., "A Fully Automatic Calibration for Vision-Based Selective Compliance Assembly Robot Arm and Its Application to Intelligent Wafer Inspection Scheduling," in IEEE Access, vol. 10, pp. 50100-50113, 2022, doi: 10.1109/ACCESS.2022.3172953.
[24] Z. Dong, J. Wei, X. Chen and P. Zheng, "Face Detection in Security Monitoring Based on Artificial Intelligence Video Retrieval Technology," in IEEE Access, vol. 8, pp. 63421-63433, 2020, doi: 10.1109/ACCESS.2020.2982779
[25] W. Yang, "Adaptive Recognition of Motion Decomposition Image Based on Adaptive Principal Component Extraction Algorithm," in IEEE Access, vol. 8, pp. 224108-224122, 2020, doi: 10.1109/ACCESS.2020.3044371.
[26] Gloria B.G., Oscar D.S., José Luis E.A., Jesus S.T., Ismael S.G., Noelia V.E., “Learning Image Processing with OpenCV”, ISBN 978-1-78328-765-9, Published by Packt Publishing Ltd., 2015, p 232.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Перизат Рахметова, Жанибек Исабеков, Махаббат Жамуратова, Винера Байтургановa
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
