Дипломная работа на тему "ТЮМГУ | Разработка программного приложения для распознавания медицинских масок"

Работа на тему: Разработка программного приложения для распознавания медицинских масок
Оценка: хорошо.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ
РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра информационных систем

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
РАЗРАБОТКА ПРОГРАММНОГО ПРИЛОЖЕНИЯ ДЛЯ РАСПОЗНАВАНИЯ МЕДИЦИНСКИХ МАСОК

09.03.03 Прикладная информатика
Профиль «Разработка информационных систем бизнеса»

Тюмень, 2022

РЕФЕРАТ
Выпускная квалификационная работа содержит 57 страниц, 4 главы, 14
рисунков, 27 таблиц, 15 источников.
Тема: «Разработка программного приложения для распознавания медицинских масок».
Ключевые слова: распознавание, медицинские маски, нейронные сети, пропускной пункт, интеграция, считыватель магнитных карт, сиамские нейронные сети, MobileNetSSD, сверточные нейронные сети, ip-реле.
Целью работы является проведение исследования возможности нейронных сетей и разработка прототипа программного приложения для решения проблемы распознавания медицинских масок и организации контроля доступа.
Актуальность: созданное приложение может быть использовано как в образовательных организациях в период сезонной вирусной нагрузки и введения режима ношения медицинских масок, так и в организациях, где ношение масок является обязательным требованием. Помимо этого, модель может быть переобучена под иные цели заказчика (например, распознавание строительных касок или сигнальных жилетов).
Объектом разработки является автоматизация проверки медицинских масок, внедренная в процесс прохода через пропускной пункт.
Область применения: данная разработка планируется использоваться в образовательных учреждениях.
Результат: разработан прототип приложения, который будет проходить апробацию на стороне клиентов.

ОГЛАВЛЕНИЕ
РЕФЕРАТ 2
ВВЕДЕНИЕ 5
ГЛАВА 1 ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ 7
1.1 Информация об организации 7
1.2 Актуальность работы 7
1.3 Описание аналогов 8
1.3.1 Автоматизированный детектор масок 8
1.3.2 Детектор масок Xeoma 9
1.3.3 Терминал с тепловизионной камерой ProFaceX-TD 10
1.4 Проблематика 11
ГЛАВА 2 ПОСТАНОВКА ЗАДАЧИ 12
2.1 Цель разработки 12
2.2 «КАК ЕСТЬ» 12
2.3 «КАК БУДЕТ» 14
2.4 Постановка задачи распознавания масок 15
ГЛАВА 3 ВЫБОР МОДЕЛИ НЕЙРОННОЙ СЕТИ 18
3.1 Выбор датасета для реализации модели нейронной сети 18
3.2 Сиамские нейронные сети 18
3.2.1 Подготовка выборки 18
3.2.2 Разработка модели 19
3.3.2 Алгоритм обучения модели 20
3.4 Сверточная нейронная сеть MobileNetSSD 21
3.3.1 Подготовка выборки 21
3.3.3 Разработка модели 23
3.3.4 Алгоритм обучения модели 24
3.4 Оценка разработанных моделей нейронных сетей 25
ГЛАВА 4 ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ПРОГРАММНОГО ПРИЛОЖЕНИЯ 28
4.1 Выбор средства разработки 28
4.2 Проектирование общей архитектуры приложения 29
4.3 Описание приложения 32
4.4 Концептуальная модель базы данных 33
4.4.1 Описание сущностей 34
4.4.2 Описание связей 35
4.4.3 Описание атрибутов 37
4.4.4 Описание доменов 40
4.5 Логическая модель базы данных 41
ЗАКЛЮЧЕНИЕ 49
СПИСОК ЛИТЕРАТУРЫ 50
ПРИЛОЖЕНИЕ ПРОГРАММНЫЙ КОД ДЛЯ ИЗУЧЕНИЯ СИАМСКОЙ НЕЙРОННОЙ СЕТИ СТУДЕНТАМИ 52


ВВЕДЕНИЕ
В настоящее время каждое образовательное учреждение, начиная с детских садов и заканчивая высшими образовательными учреждениями, стремится вести контроль за посетителями для обеспечения безопасности и ведения отчетности по посетителям, контроля за сотрудниками, а именно: опоздания, ранние уходы, вход без отметки и т.д. Дополнительно сезонно или вынужденной мерой является ношение медицинских масок внутри учреждения, что требует дополнительного контроля. Как правило этот контроль возлагается на плечи охраны организации или иного ответственного лица на пропускном пункте, но не всегда им удается отследить весь поток посетителей.
В системе «Система Контроля Деятельности Образовательного Учреждения» (СКДОУ)[1] компании ООО «Бизнес-Премиум», для которой и будет разрабатываться алгоритм распознавания лиц, уже существует документ по посетителям, но проверка медицинских масок все еще проходит
«вручную». Сама система СКДОУ является созданной конфигурацией на базе 1С:Предприятие.
В ходе прохождения производственной практики планируется
• проанализировать предметную область, аналоги распознавания медицинских масок и актуальность разработки;
• проанализировать алгоритмы для реализации программного приложения, сравнить их между собой и выбрать наиболее подходящий под задачу;
• разработать приложение распознавания медицинских масок с выбранным алгоритмом, разработать интеграцию этого приложения с конфигурацией СКДОУ на базе 1С:Предприятия;
• протестировать работу приложения и при необходимости внести корректировки.

Для успешной подготовки и защиты выпускной квалификационной работы автором ВКР использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающую высокую умственную и физической работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.
В результате написания выпускной квалификационной работы должен получиться готовый прототип приложения, который будет проходить апробацию на
СПИСОК ЛИТЕРАТУРЫ
1. ООО «Бизнес-Премиум» Система Контроля Деятельности Образовательного Учреждения [Электронный ресурс].
2. MobileNet: меньше, быстрее, точнее. Автор Дмитрий Панченко [Электронный ресурс].
3. TensorFlow 2 Object Detection API tutorial. Автор Людмил Владимиров [Электронный ресурс].
4. Детектор масок Xeoma: обнаружение людей в масках и без масок от компании ООО «ФеленаСофт» [Электронный ресурс].
5. Свёрточная нейронная сеть» [Электронный ресурс]. – URL: https://ru.wikipedia.org/wiki/Свёрточная_нейронная_сеть
6. Статья Эльяса Касми «Россияне создали систему тотального контроля за нарушителями масочного режима» [Электронный ресурс].
7. Терминал с тепловизионной камерой ProFaceX-TD от компании «Мелдана» [Электронный ресурс].
8. Статья Дениса Баженова «Оценка классификатора (точность, полнота, F- мера)» [Электронный ресурс].
9. Статья от компании Intel «AI, практический курс. Обзор нейронных сетей для классификации изображений» [Электронный ресурс].
10. Face Mask Detection Dataset от Омкара Гурава [Электронный ресурс].
11. Статья от компании ООО «1С» «Как мы в 1С: Предприятии работаем с моделями данных (или «Почему мы не работаем с таблицами?»)» [Электронный ресурс].\
13. Статья «Нейросети. Куда это все движется» [Электронный ресурс]. – URL: https://habr.com/ru/post/482794/
14. Федоренко, Ю.С. Технология распознавания образов с использованием свёрточной нейронной сети [Электронный ресурс]\
15. Koch G., Zemel R., Salakhudinov R. Siamese Neural Networks for One-shot Image Recognition [Электронный ресурс]\