Көпдеңгейлі белгілерді біріктіру және кеңістіктік назар модуліне негізделген терең оқыту модельдері арқылы жеке қорғаныс құралдарын анықтау
Ұсынылып отырған зерттеу жұмысында түрлі өндіріс жұмыс орындарында кездесетін күрделі орталарда жеке қорғаныс құралдарын автоматты түрде тануға арналған терең оқыту модельдерінің тиімділігі қарастырылды. Жеке қорғаныс құралдары түрлі жарақаттар мен қауіпті әсерлерден сақтандыруға арналған, ал оларды қолдануды заманауи терең оқыту модельдерінің көмегімен бақылау маңызды әрі қажетті шешім болып табылады. Аталған зияндардың көп түрлілігіне орай, қорғаныс құралдарын толық қамту үшін көпклассты құрылымнан тұратын, әртүрлі көріністерді қамтыған, толық аннотацияланған заманауи, әлі зерделеніп үлгермеген деректер жиынын Yolov11 терең оқыту желісімен оқытылып, олардың сенімділігі мен нақты қолданбалардағы әлеуеті бағаланды. Нәтижелер көрсеткендей, архитектуралық жағынан жетілдірілген модельдер күрделі және теңгерімсіз деректермен де тиімді жұмыс істей алады. Сонымен қатар, зерттеу барысында YOLOv8 және YOLOv10 модельдерімен салыстырмалы талдау жүргізіліп, әр архитектураның нұсқалары бойынша талдау жасалды. Бұл зерттеу өндірістік қауіпсіздік саласындағы интеллектуалды жүйелерді дамытуға үлес қосып, қызметкердің жұмыс орнындағы қауіпсіздік ережелерін сақтауын бақылау, сол арқылы өмірін сақтап қалу тұрғысынан практикалық қолдануға жарамды шешім ұсынады.
Сведения
- Опубликовано
- 2025 · Т. 151, № 2, С. 12-27
- Язык
- Казахский
- ISSN
- 2616-7182 · 2663-1326 · 3007-0155 · 3007-0163
- Издатель
- L. N. Gumilyov Eurasian National University