informИнформатикаInformatics1816-03012617-6963UIIP NASB10.37661/1816-0301-2020-17-3-36-43inform-1053Research ArticleОБРАБОТКА СИГНАЛОВ, ИЗОБРАЖЕНИЙ, РЕЧИ, ТЕКСТА И РАСПОЗНАВАНИЕ ОБРАЗОВSIGNAL, IMAGE, SPEECH, TEXT PROCESSING AND PATTERN RECOGNITIONРаспознавание подстилающей поверхности Земли с помощью сверточной нейронной сети на одноплатном микрокомпьютереRecognition of underlying surface using a convolutional neural network on a single-board computerПавленкоД. А.PaulenkaD. A.

Павленко Дмитрий Анатольевич, инженер-программист 1 категории, лаборатория анализа биомедицинских изображений

Минск

Dzmitry A. Paulenka – Software Engineer

Minsk

dmitri.pavlenko@gmail.comКовалевВ. А.KovalevV. A.

Ковалев Василий Алексеевич, кандидат технических наук, заведующий лабораторией анализа биомедицинских изображений

Минск

Vassili A. Kovalev – Cand. Sci. (Eng.), Head of the Laboratory of Biomedical Images Analysis

Minsk

vassili.kovalev@gmail.comСнежкоЭ. В.SnezhkoE. V.

Снежко Эдуард Витальевич, кандидат технических наук, ведущий научный сотрудник

Минск

Eduard V. Snezhko – Cand. Sci. (Eng.), Leading Researcher

Minsk

eduard.snezhko@gmail.comЛевчукВ. А.LiauchukV. A.

Левчук Виталий Андреевич, кандидат технических наук, научный сотрудник

Минск

Eduard V. Snezhko – Cand. Sci. (Eng.), Leading Researcher

Minsk

vitali.liauchuk@gmail.comПечковскийЕ. И.PechkovskyE. I.

Печковский Евгений Игоревич, ведущий инженер-программист

Минск

Evgeniy I. Pechkovsky – Leading Software  Engineer

Minsk

zver927@gmail.comОбъединенный институт проблем информатики Национальной академии наук БеларусиThe United Institute of Informatics Problems of the National Academy of Sciences of Belarus2020150920201733643Copyright © Павленко Д.А., Ковалев В.А., Снежко Э.В., Левчук В.А., Печковский Е.И., 20202020Павленко Д.А., Ковалев В.А., Снежко Э.В., Левчук В.А., Печковский Е.И.Paulenka D.A., Kovalev V.A., Snezhko E.V., Liauchuk V.A., Pechkovsky E.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/1053

Приводятся результаты разработки программно-аппаратного комплекса (микромодуля) по обнаружению и классификации изображений подстилающей поверхности Земли. Микромодуль используется на борту легких беспилотных летательных аппаратов (дронов). Полученное устройство имеет размеры 5,2×7,4×3,1 см, массу 52 г., работает на одноплатном микрокомпьютере модели Raspberry Pi Zero Wireless и использует сверточную нейронную сеть на основе архитектуры MobileNetV2 для классификации изображений в реальном времени. При разработке микромодуля авторы преследовали цель добиться качества  классификации  изображений  в  реальном  времени  на  недорогом  мобильном  оборудовании с малой вычислительной способностью, сопоставимого с качеством классификации популярными архитектурами глубоких сверточных сетей. Приведенные в статье сведения могут быть полезны инженерам и научным работникам, разрабатывающим компактные бюджетные мобильные системы обработки, анализа и распознавания изображений.

The results of the development of hardware and software system (micromodule), which detects and classifies underlying surface images of the Earth are presented. The micromodule can be installed on board of a light unmanned aerial vehicle (drone). The device has the size 5.2×7.4×3.1 cm, the weight52 g, runs on a Raspberry Pi Zero Wireless single-board microcomputer and uses a convolutional neural network based on MobileNetV2 architecture for real-time image classification. When developing the micromodule, the authors aimed to achieve a real-time image classification on inexpensive mobile equipment with low computing power so that the classification quality is  comparable  to  popular  deep  convolutional  network  architectures. The provided information could be useful for engineers and researchers who are developing compact budget mobile systems for processing, analyzing and recognition of images.

распознавание изображенийсверточная нейронная сетьглубокое обучениеодноплатный микрокомпьютермобильная системаimage recognitionconvolutional neural networkdeep learningsingle-board computermobile systemРабота была выполнена при финансовой поддержке проекта № 3.2.4.1 программы Союзного государства «Технология-СГ».ReferencesСравнительный анализ вычислительных платформ для бортового микромодуля предварительного распознавания изображений / В.А. Ковалев [и др.] // Информатика. – 2018. − Т. 15, № 3. – С. 7–21.Kovalev V. A., Paulenka D. A., Snezhko E. V., Liauchuk V. A., Kalinovski A. A. Comparative analysis of computing platforms for onboard micromodule of provisional image recognition. Informatics, 2018, vol. 15, no. 3, pp. 7–21 (in Russian).MobileNetV2: Inverted Residuals and Linear Bottlenecks / Sandler M [et al.] // arXiv preprint. arXiv:1801.04381, 2018. Mode of access: https://arxiv.org/abs/1801.04381 (accessed 03.02.2020).Sandler M, Howard A, Zhu M, Zhmoginov A, Chen L.C. MobileNetV2: Inverted Residuals and Linear Bottlenecks. arXiv preprint, arXiv:1801.04381, 2018, Available at: https://arxiv.org/abs/1801.04381 (accessed 03.02.2020).Интеллектуальная технология распознавания подстилающей поверхности Земли / С.В. Кругликов, В.А. Ковалев, Д.А. Павленко, Э.В. Снежко, В.А. Левчук // Радиоэлектронные технологии. – 2019. – № 1. – С. 90–94.Kruglikov S. V., Kovalev V. A., Paulenka D. A., Snezhko E. V., Liauchuk V. A. Intellektualnaya tekhnologiya raspoznavaniya podstilayushchey poverkhnosti Zemli. Radioelectronic technology, 2019, № 1, pp. 90–94 (in Russian).

The authors declare that there are no conflicts of interest present.