Результати первинної обробки інтерферограми для побудови моделей машинного навчання
| dc.contributor.author | Шопін, П. Ю. | |
| dc.contributor.author | Хорошун, Г. М. | |
| dc.contributor.author | Барбарук, В. М. | |
| dc.contributor.author | Рязанцев, О. І. | |
| dc.contributor.author | Shopin, P. Y. | |
| dc.contributor.author | Khoroshun, G. M. | |
| dc.contributor.author | Barbaruk, V. M. | |
| dc.contributor.author | Ryazantsev, O. I. | |
| dc.date.accessioned | 2024-11-26T11:37:25Z | |
| dc.date.available | 2024-11-26T11:37:25Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Робота присвячена обробці інтерферометричних відео та зображень для дисциплін, де вимагається високоточне та динамічне вимірювання фізичних параметрів. Застосування моделей машинного навчання додає нові можливості до аналізу інтерферометричних даних, роблячи їхнє використання більш ефективним та точним. Інтерферометрія застосовується для різноманітних вимірювань, які базуються на інтерференційних явищах для визначення статистичних та динамічних параметрів об'єктів. Вимірювання статичних параметрів за допомогою інтерферометрії може включати: висоту поверхні, деформацію поверхні, товщину шару матеріалу, оптичні властивості, такі як коефіцієнти пропускання чи відбивання світла, напруження та деформацію матеріалу, розташування об’єктів та кутові виміри. Інтерферометри можуть вимірювати динамічні параметри, такі як швидкість та напрямок руху об'єктів в транспортних системах та біологічних клітинах. Інтеграція методів машинного навчання в аналіз інтерферограм може значно покращити ефективність та точність отриманих результатів, особливо в умовах великого обсягу даних та складних паттернів. Основні задачі, які можна виділити для застосування методів машинного навчання це фільтрація шумів, сегментація об'єктів, прогнозування змін, корекція артефактів, оптимізація обробки даних. Для того, щоб побудувати модель машинного навчання необхідно дослідити реальні інтерференційні картини, визначити основні параметри моделі, реалізувати методи автоматичної обробки зображення. Отже, в роботі досліджено реальні інтерференційні картини, надано їх опис, проведена автоматизація процесу визначення їх якості та надання рекомендацій щодо застосування. В даній роботі ми аналізуємо відео експерименту отримання інтерференційної картини, з використанням інтерферометра Маха-Цендера.Досліджено реальні інтерференційні картини отриманні з відеозапису зйомки роботи інтерферометра Маха-Цендера. Проведено аналіз поведінки інтерференційних смуг вздовж осі Х та вздовж осі У. Визначені особливі ділянки та характеристики реального сигналу в перерізі інтерферограми. Згідно до отриманих результатів проведено сегментацію зображення. Визначена характерна поведінка в часі світла в цих сегментах. Визначили які сегменти найкращі та найгірші для аналізу та в який проміжок часу. | |
| dc.identifier.citation | Результати первинної обробки інтерферограми для побудови моделей машинного навчання / Шопін П. Ю., Хорошун Г. М., Барбарук В.М., Рязанцев О.І. Вісник Східноукраїнського національного університету імені Володимира Даля. 2023. № 3 (279). С. 11-15. | |
| dc.identifier.doi | https://doi.org/10.33216/1998-7927-2023-279-3-11-15 | |
| dc.identifier.udc | 004.04:535.4 | |
| dc.identifier.uri | https://dspace.snu.edu.ua/handle/123456789/1439 | |
| dc.language.iso | uk | |
| dc.publisher | СНУ ім. В. Даля | |
| dc.subject | підготовка даних | |
| dc.subject | інтерферограма | |
| dc.subject | обробка зображення | |
| dc.title | Результати первинної обробки інтерферограми для побудови моделей машинного навчання | |
| dc.title.alternative | Results of primary interferogram processing for machine learning model construction | |
| dc.type | Article |