Програмний застосунок виявлення недозволених предметів на підприємстві за допомогою нейронних мереж

Abstract

У сучасному світі, який характеризується динамічним розвитком технологій та зростанням глобалізаційних процесів, питання безпеки набуває особливої актуальності. Особливо це стосується інцидентів, пов'язаних з недозволеними предметами, які мають серйозні соціально-економічні, юридичні та психологічні наслідки, як для окремих осіб, так і для суспільства в цілому. З точки зору безпеки праці, інциденти на підприємствах представляють собою значущу проблему. Вони можуть призвести до фізичних травм, смертельних наслідків, а також мати серйозні юридичні наслідки. Статистика інцидентів на робочих місцях в різних країнах свідчить про високий рівень ризику, який необхідно враховувати та знижувати. У сфері промислової безпеки існує потреба в постійному удосконаленні та адаптації технологій до змінюваних умов та викликів. Розвиток технологій виявлення недозволених предметів, таких як системи відеоспостереження з інтеграцією інтелектуальних алгоритмів, автоматизовані системи розпізнавання та інші, відкривають нові можливості для підвищення безпеки. З огляду на важливість цього питання, ця робота акцентує увагу на необхідності глибокого аналізу існуючих ризиків, пов'язаних з інцидентами на підприємствах, а також розглядає сучасні технології та методики, які можуть бути використані для їх ідентифікації, прогнозування та запобігання. Таким чином, актуальність даного дослідження полягає у вирішенні важливих завдань забезпечення безпеки на підприємствах, а також у розробці та впровадженні ефективних технологій для виявлення та запобігання інцидентам, пов'язаним з недозволеними предметами. Особлива увага приділяється ролі технологій у цьому процесі, зокрема, використанню штучного інтелекту та інтеграції різноманітних систем безпеки для створення більш надійних та ефективних рішень. У сфері розпізнавання об'єктів на зображеннях використовуються як класичні, так і сучасні методи, засновані на глибокому навчанні. Класичні методи включають фільтр Гаусса для шумоподавлення, порогову обрізку та метод шаблонів для ідентифікації об'єктів, а також методи, які базуються на гістограмах направлених градієнтів (HOG) та системі Віоли-Джонса для ефективного розпізнавання облич та інших об'єктів. З іншого боку, методи на основі глибокого навчання, такі як Region Proposal Networks (RPN), Single Shot MultiBox Detector (SSD), згорткові нейронні мережі (CNN) та YOLO (You Only Look Once), використовуються для більш складних задач розпізнавання об'єктів, надаючи високу точність та ефективність навіть у складних умовах. Ці методи сприяють автоматичному витягу особливостей з зображень та ефективній класифікації, що робить їх незамінними у різноманітних застосуваннях від безпеки до нагляду.