بهینه سازی و اجرای سریع الگوریتم های شبکه عصبی عمیق برای بینایی ماشین در ماشین آلات معدن

در این مقاله، تاکید بر اهمیت شبکه های عصبی عمیق در حوزه های گوناگون بینایی ما شین مخصوصا تشخیص اشیاء در محیط های معدنی ا ست. چالش های سخت افزاری در این ماشین آلات، از جمله محدودیت منابع، با استفاده از شتاب دهنده های سخت افزاری از قبیل GPU حل شده است و الگوریتم ها و پارامترها بهینه سازی شده اند. بررسی و استفاده از بهترین چارچوب پردازش تصویر در دستگاه های کم مصرف و آزمایش مدل در ماشین آلات معدنی و پلتفرم های تعبیه شده نیز انجام شده ا ست. این پژوهش به د ستیابی به اجرای کارآمد شبکه های عصبی در سیستم های محدود از طریق بهره گیری از سخت افزارهای منا سب و الگوریتم منا سب و تنظیم صحیح پارامترها و نوآوری در ساختار الگوریتم تشخیص اشیاء و همچنین پیاده سازی با چهارچوب مناسب می پردازد تا بتواند با بهره گیری از بهترین روشها، اجرای سریع و کارآمدی بر روی سیستم های دارای سخت افزار محدود در محیط های معدنی داشته باشد. در نهایت، خروجی پژوهش و ایده ی بیان شده در مقاله در قالب نرم افزار به کارگیری شده در ماشین آلات معدنی منتشر شده است.

کلیدواژه ها:

بینایی ماشین ، شبکه عصبی ، پردازنده تلفن همراه ، سیستم های محدود ، دستگاه های لبه ، الگوریتم یولو ، تشخیص شیء