Інформаційні технології та суспільство

КОМПЛЕКСНА МЕТОДИКА ПОПЕРЕДНЬОЇ ОБРОБКИ ДАНИХ ФОТОРЕЄСТРАЦІЇ UAV У РЕЖИМІ РЕАЛЬНОГО ЧАСУ

Андрій КИСІЛЬ — 2024-12-24

У статті проведено аналіз сучасних підходів, що використовуються на етапі попередньої обробки даних фотореєстрації безпілотних літальних пристроїв програмними алгоритмами. Продовжено розробку проблеми ефективної обробки великих масивів потокових даних систем фотореєстрації безпілотного літального пристрою у режимі реального часу за умов обмеженого обчислювального ресурсу. Метою роботи є побудова цілісної методики відновлення та попередньої сегментації матриці цифрового зображення програмними методами у відповідності до адитивної колірної схеми системи фотореєстрації без включення у дослідження методів компенсації оптичних аберацій системи фотореєстрації та просторової фільтрації вхідних даних. Методологія. Використано комплексний підхід до обробки цифрових зображень, що включає етапи попередньої обробки (PRIP), відновлення та кластеризації матриці зображення з адаптацією до обмежень обчислювальних ресурсів апаратно-програмної платформи. Для обробки використовуються порогові та морфологічні методи, які забезпечують попередню сегментацію і фільтрацію шумів, а також класифікацію та виділення зв’язних компонент у зображеннях. Наукова новизна полягає у тому, що розроблено підхід щодо послідовного застосування процедур ерозії та дилатації для видалення шумів, збереження границь важливих елементів, а також алгоритм для виділення границь зображень через різницю між вихідним зображенням та результатом ерозії у залежності від колірної схеми зображення. Запропоновано триетапний підхід для алгоритму сегментації кольорового зображення, який включає виявлення розривів у границях, порогову обробку та обробку областей. Обмеження кількості сегментів пропонується проводити шляхом введення маркерів. Висновки. Основна увага була приділена моделюванню та фільтрації шумів, які виникають через типові обмеження системи фотореєстрації та оптичні властивості середовища. Проаналізовано базові процедури попередньої обробки бінарних зображень, такі як дилатація, ерозія та виділення границь, на основі логічних операторів та примітивів корекції. Представлено особливості застосування порогових методів попередньої обробки зображень як простого і ефективного підходу для поділу зображення на області. Розроблено схему для реалізації алгоритму обробки кольорового зображення з глобальним порогом, яка включає етапи початкової оцінки порогу, його корекції та повторної перевірки до досягнення заданої точності. На останньому етапі проаналізовано методи попередньої сегментації зображення методом водоподілу.

ТЕХНОЛОГІЯ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ЗБЕРІГАННЯ У NO-SQL БАЗАХ ДАНИХ

Володимир КОЗУБ — 2024-12-24

У статті представлено результати використання методів дедуплікації і стиснення для оптимізації зберігання даних у хмарних No-SQL базах даних. Метою роботи є зменшення обсягу даних, що зберігаються, за рахунок використання технології Hadoop MapReduce для обробки інформації та MongoDB для зберігання агрегованих пар ключ-значення. Методологія. Дослідження базується на комбінації дедуплікації та стиснення даних, виконаних за допомогою Hadoop MapReduce. Цей підхід дозволяє обробляти великі обсяги інформації, оптимізуючи процеси зберігання в MongoDB. Результати. Проведено серію експериментів для оцінки зменшення обсягів даних та перевірки швидкості обробки запитів. Запропонована архітектура системи демонструє легкість інтеграції з існуючими інструментами резервного копіювання, що робить цю технологію практичною для впровадження в реальних умовах. Результати експериментів свідчать про високу ефективність застосування даних технологій для великих файлів, що дозволяє зменшити вимоги до сховища на понад 90%. Наукова новизна. Запропоноване рішення впроваджує інноваційний підхід до обробки та зберігання даних у хмарних середовищах. Вперше в контексті No-SQL баз даних об’єднуються методи дедуплікації та стиснення, що створює нові можливості для економії місця і підвищення продуктивності систем. Дослідження розширює застосування цих методів, включаючи потенціал для мультимедійних файлів та потокових даних у реальному часі. Висновки. Отримані результати свідчать про високу ефективність використання технології дедуплікації та стиснення для зменшення обсягів даних у хмарних No-SQL базах. Впровадження даних методів дозволяє значно знизити витрати на зберігання, підвищити швидкість обробки даних та адаптуватися до зростаючих потреб сучасних індустрій. Наступні етапи дослідження включатимуть розробку прогностичних моделей для оптимізації застосування технологій у реальному часі, що відкриває нові горизонти в управлінні даними.

ЗАСТОСУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ В РОЗПІЗНАВАННІ МЕДИЧНИХ ЗОБРАЖЕНЬ

Сергій КОЛОМОЄЦЬ — 2024-12-24

Стаття присвячена дослідженню розпізнавання зображень в медицині за допомогою глибокого навчання. Застосування глибокого навчання дозволяє автоматизувати процеси обробки та аналізу зображень, що значно зменшує людський фактор і підвищує точність діагнозів. Штучний інтелект, зокрема глибоке навчання, активно використовується для розпізнавання аномалій на рентгенівських знімках, ультразвукових зображень, МРТ та КТ, тому дана технологія активно розвивається в напрямках онкології та кардіології. Алгоритми можуть навчатися на великих обсягах даних, що дозволяє їм ідентифікувати закономірності, які можуть бути непоміченими або незрозумілими для людського спостереження, це є можливим завдяки згортковим шарам, які використовують фільтри для виявлення локальних ознак у зображеннях. Метою публікації є дослідження сучасного стану питання розпізнавань медичних зображень та узагальнення новітніх досліджень у цій сфері. Методологія. У статті проведений огляд та аналіз літератури щодо застосування глибокого навчання, його переваг, недоліків та обмежень відносно традиційних методів в розпізнаванні зображень, розглянуті необхідні кроки для побудови систем розпізнавання зображень, доведено важливість згорткових нейронних мереж (ЗНМ). Висновки. Хоча розпізнавання медичних зображень не є найпопулярнішою сферою застосування згорткових нейронних мереж сьогодні, вона дуже важлива для забезпечення більш ефективного лікування населення. Найбільш дослідженими та актуальними областями в медицині є легені, серце, молочна залоза, печінка, гістологія та очі. Сучасні публікації вчених довели високу точність згорткових нейронних мереж у діагностиці захворювань. Однак деякі показники ще можна значно покращити, що дає простір для подальших досліджень. Згорткові нейронні мережі продемонстрували високу точність розпізнавання патернів на медичних зображеннях, що може сприяти ранній діагностиці захворювань у вищезгаданих галузях медицини. Крім того, використання CNN допоможе автоматизувати процеси, що зменшить навантаження на медичний персонал для більш складних випадків; підвищить ефективність обробки великих обсягів даних; зменшить кількість помилкових інтерпретацій зображень. На сьогоднішній день згорткові нейронні мережі можна назвати помічником для медичного персоналу, але для їх широкого використання лікарями потрібно ще багато досліджень та інвестицій, але якщо ці умови будуть виконані, то їх потенціал вартий подальших досліджень.

СУЧАСНІ ТЕХНІЧНІ РІШЕННЯ ДЛЯ ЗМЕНШЕННЯ ЕФЕКТУ «ЗМИВУ» ПРИ ВИМІРЮВАННІ КОНЦЕНТРАЦІЙ ЗАБРУДНЮЮЧИХ РЕЧОВИН ЗА ДОПОМОГОЮ БПЛА

Олександр ПОПОВ — 2024-12-24

Рівень забруднення атмосферного повітря формується під впливом багатьох факторів, зокрема викидів від об’єктів енергетики, транспорту, промисловості сільського господарства, а також процесів утилізації та очищення стоків. Він також залежить від метеорологічних умов, швидкості розсіювання забруднюючих речовин та їх взаємодії з навколишнім середовищем (фізико-хімічна трансформація, вимивання опадами, поглинання підстилаючою поверхнею), і географічних особливостей місцевості (рельєф, наявність забудови, висота та щільність рослинності). У статті наведено джерела викидів таких забруднювачів повітря, як тверді частинки, чадний газ і діоксид вуглецю, оксиди азоту, аміак, летючі органічні сполуки, озон, діоксид сірки, сірководень, випромінювання, запахи), зазначено загальні методи їх вимірювання. Описано особливості функціонування наземних стаціонарних станцій моніторингу якості повітря. Показано низьку ефективність даних систем для оперативного реагування на швидкоплинні надзвичайні ситуації з хімічним та радіаційним фактором забруднення. Обґрунтовано, що для оперативної оцінки обстановки та отримання необхідних даних під час виникнення таких ситуацій ефективним підходом є застосування систем моніторингу, які базуються на мобільних платформах, а саме БПЛА. Відзначено, що перевагами цих засобів є можливість оперативного потрапляння на місце надзвичайної ситуації в складних умовах (складний рельєф місцевості, наявність важкопрохідної рослинності, руйнація або аварійно-небезпечний стан об’єкту, велика пожежа або вибухи на території об’єкту, бойові дії, важкі метеумови тощо) та швидке отримання необхідних даних для прийняття вчасних ефективних управлінських рішень службами реагування. Описано ефект «змиву», який виникає під БПЛА в результаті швидкого обертання його роторів, що спричиняє порушення розподілу повітря навколо дрона і зменшення концентрації досліджуваних газів в місці розташування мультисенсорної системи. Здійснено аналіз сучасних передових технічних рішень науковців з різних країн світу щодо розміщення датчиків на борту БПЛА для зменшення впливу ефекту «змиву» на точність вимірювання відповідних концентрацій.

МУЛЬТИАГЕНТНА СИСТЕМА РОЗПІЗНАВАННЯ НЕОРІЄНТОВАНИХ ГРАФІВ

Андрій СТЬОПКІН — 2024-12-24

Робота присвячена проблемі розпізнавання простих неорієнтованих графів мобільними агентами. Метою роботи є побудова нового ефективного алгоритму розпізнавання скінчених неорієнтованих графів без петель та кратних ребер мультиагентною системою. В статті запропоновано наступну методологію до досягнення поставленої мети: використати мультиагентну систему, що складається з трьох агентів двох різних типів. Перший тип – це агенти-дослідники, які рухаються по графу, можуть зчитувати мітки на елементах графу й змінювати забарвлення цих елементів. Також ці агенти можуть обмінюватися повідомленнями з агентом другого типу. Агенти-дослідники мають скінчену пам’ять та для розпізнавання графу використовують по дві фарби різного кольору кожен (всього три фарби різного кольору). Другий тип – це агент-експериментатор – нерухомий агент, що знаходиться поза межами графу, в пам’яті якого на кожному кроці фіксується результат функціонування агентів-дослідників. На основі отриманої інформації агент-експериментатор в своїй пам’яті поступово вибудовує представлення досліджуваного графа списком ребер і списком вершин. У статті детально розглянуто режими роботи агентів-дослідників із зазначенням пріоритетності активації цих режимів в процесі роботи. Також наведено алгоритм роботи агента-експериментатора з детальним описом процедур обробки отриманих повідомлень, на підставі яких і відбувається розпізнавання досліджуваного графа. Також в статті проведено аналіз часової, ємнісної, комунікаційної складності побудованого алгоритму та проаналізовано кількість переходів по ребрах, які необхідно виконати агентам-дослідникам для повного розпізнавання графа. Науковою новизною є отримання більш ефективного алгоритму розпізнавання графів, який дозволяє використовувати агентів-дослідників зі скінченою пам’яттю та дає можливість в подальшому масштабувати розглянуту мультиагентну систему до k агентів. Висновки. Таким чином, в роботі запропоновано новий алгоритм розпізнавання графів, який має квадратичні (від числа вершин досліджуваного графа) часову, ємнісну та комунікаційну складності. Кількість переходів по ребрах, які виконують агенти-дослідники оцінюється як On де n – кількість вершин досліджуваного графа. Робота запропонованого алгоритму розпізнавання ґрунтується на методі обходу графа в глибину.

ПОРІВНЯЛЬНИЙ АНАЛІЗ ЕФЕКТИВНОСТІ EDGE COMPUTING ТА FOG COMPUTING У СИСТЕМАХ МЕДИЧНОГО МОНІТОРИНГУ

Іван ШЕВЦОВ — 2024-12-24

Дана стаття присвячена порівняльному аналізу ефективності технологій Edge Computing та Fog Computing в системах медичного моніторингу. Метою дослідження є вивчення переваг і недоліків кожної з технологій з метою визначення найбільш оптимального підходу для забезпечення стабільної та ефективної роботи систем медичного моніторингу. Методологія дослідження включала аналіз наукових публікацій, оцінку архітектурних особливостей, швидкості обробки даних, стійкості до відмов, масштабованості та енергоспоживання технологій Edge та Fog Computing. Для досягнення цієї мети використовувалися методи системного аналізу, моделювання навантаження та інтеграційного аналізу для оцінки продуктивності та доцільності впровадження обраних технологій у медичних системах. Наукова новизна роботи полягає у розробці методології для вибору оптимальної технології на основі специфічних вимог до продуктивності, надійності та енергозбереження в умовах реального часу. Результати дослідження показали, що технологія Edge Computing забезпечує мінімальні затримки та високу швидкість реакції на зміну стану пацієнтів, що є критичним у реанімаційних відділеннях. Водночас, Fog Computing забезпечує більш гнучке масштабування і високу стійкість до відмов, що робить її ефективною для великих мереж або віддалених об’єктів, де необхідно обробляти великі обсяги даних. Висновки підкреслюють, що вибір між цими технологіями залежить від специфіки завдань медичної інфраструктури: Edge Computing є оптимальним для швидкої локальної обробки, тоді як Fog Computing підходить для розподілених систем з високими вимогами до надійності та безпеки. Рекомендовано комбіноване використання обох технологій для створення гнучкої та адаптивної медичної інфраструктури.