Розробка алгоритмічно-програмних рішень виявлення типових перешкод на основі згорткової нейромережі

Abstract

У роботі проведено аналіз класичних методів комп'ютерного зору та методів глибокого навчання для задачі виявлення перешкод, здійснено порівняльний аналіз архітектур CNN-детекторів та обґрунтовано вибір YOLOv8n як базової моделі. Визначено множину шести типових перешкод у приміщеннях: людина, стілець, стіл, двері, сходи, сміттєвий бак. Розроблено алгоритм виявлення перешкод на основі аналізу центральної зони кадру та алгоритм генерування голосових повідомлень з механізмом cooldown і асинхронним відтворенням. Для розширення можливостей базової моделі застосовано стратегію fine-tuning на датасеті з 3 277 анотованих зображень трьох нових класів, отриманих з платформи Roboflow Universe.