×

Вы используете устаревший браузер Internet Explorer. Некоторые функции сайта им не поддерживаются.

Рекомендуем установить один из следующих браузеров: Firefox, Opera или Chrome.

Контактная информация

+7-863-218-40-00 доб.200-80
ivdon3@bk.ru

  • Методы обработки и визуализации данных в веб-интерфейсе с помощью библиотеки Dimensional Charting

    • Аннотация
    • pdf

    В данной работе демонстрируется подход по визуализации данных при помощи манипуляций с json-данными. Опираясь на библиотеку Dimensional Charting можно проводить рендеринг графической информации с учетом обработки больших данных, так как интерактивная визуализация данных в веб-интерфейсе находит большое применение при анализе пользовательского трафика в интернете. Dimensional Charting является связующим звеном двух встроенных библиотек. Библиотека Crossfilter ответственна за сортировку, фильтрацию больших данных, а d3.js необходим для отрисовки графического материала на html-страницах. Благодаря новым технологиям можно обрабатывать большие данные, не используя сторонние языки программирования.

    Ключевые слова: обработка данных, визуализация данных, фильтрация, сортировка dimensional charting, javascript, json, crossfilter, data-driven documents

    05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)

  • Распознавание дефектов на металлических сплавах с помощью алгоритмов компьютерного зрения ОpenCV

    • Аннотация
    • pdf

    Целью данной работы является разработка алгоритма для распознавания усадочных дефектов на металлических сплавах. Описываются шаги по обработке изображения. При разборе алгоритма, для каждого шага представлено описание с последующей программной реализацией. Заключительным этапом, после использования методов алгоритма, является подсчет контуров дефектов. Для демонстрации работоспособности программного обеспечения были взяты случайные фотографии металлического тела в разрезе, где можно непосредственно наблюдать дефекты в виде газовых пор. Программное обеспечение при правильном подборе входных данных обрабатывает изображение с высокой точностью, минимизируя погрешности вычисления дефектов. Использование предложенных алгоритмов сокращает время диагностики. В статье была приведена сравнительная характеристика ручного и автоматизированного методов, показывающая эффективность второго метода по сравнению с первым. Для написания программного обеспечения был использован язык программирования Python 3.7, а также библиотека алгоритмов компьютерного зрения OpenCV.

    Ключевые слова: обнаружение дефектов, алгоритмы компьютерного зрения, OpenCV, металлические дефекты, усадочные дефекты

    05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)