2023
Проект: Разработка теоретических основ, методов, языковых и инструментальных средств для использования в автоматизированных системах управления, построенных по технологии промышленного Интернета вещей
(Рук. Зюбин Владимир Евгеньевич)
Развитие методов фильтрации трафика для целей создания безопасных (secure) систем промышленного Интернета вещей.
Проведены исследования по развитию технологии обеспечения безопасности систем промышленного Интернета вещей, создающие задел для выполнения последующих этапов проекта. Для проведения тестовых исследований по разработанным алгоритмам HTTP-фильтрации в системах Промышленного Интернета вещей была создана конфигурация устройства фильтрации на основе компьютера промышленного типа: процессор Intel Core i3-5010U 2,1Ghz, 2 ядра, 8Гбайт ОЗУ, 4 порта GbE Intel I210-T1 .
Тестовые исследования HTTP-фильтров проводились в форме стендовых испытаний для определения рабочих и предельных характеристик, а также для проведения сравнительного анализа устройств на промышленной платформе Gridex-I и Gridex-II. Использовалась как стандартная схема, так и схема с разделением функций между промышленным компьютером и программируемым коммутатором, в качестве которого использовался MicroTik RB 260GS. Стенд создан на основе выделенной локальной сети, в которой объединены компьютеры – эмуляторы Web-клиентов и Web-серверов, а также помещенное в разрыв между ними фильтрующее устройство (рис. 1).
Рис. 1. Конфигурация испытательного стенда и схема взаимодействия его программных модулей для проведения испытаний компьютерной модели HTTP-фильтра
Эксперименты показали, что при обмене длинными сообщениями гигабитный канал загружается полностью. Фильтрующее устройство позволяет пропускать трафик до 849 Мбит/c в стандартном режиме работы и до 931 Мбит/с. в режиме пост-анализа в паре с программируемым коммутатором MicroTik. В зависимости от размера ответа от web-сервера со стандартным алгоритмом устройство фильтрации на линейном участке графика уменьшает скорость обмена информацией на линии связи на 15% - 47% . При использовании улучшенного алгоритма - на величину от 7% до 25% . Также при использовании улучшенного алгоритма и его аппаратной поддержки уменьшается время ожидания ответа от Web-сервера до 2.2 раз, а пропускная способность увеличивается до 1.4 раз.
Проект 121042900050-6.
Разработка методов управления движением автономных динамических объектов в условиях неопределённости и наличия возмущений. Разработка технологии моделирования движения летательных аппаратов
(Рук. Котов Константин Юрьевич)
Разработка моделей и архитектур программного обеспечения сервисного типа на открытой программной платформе, ориентированных на применение в предприятиях и организациях малой или средней численности.
Для малых и средних предприятий и организаций при решении задач управленческого типа, которые не укладываются в существующие модели решений, реализованные в рамках стандартных систем электронного документооборота, существует необходимость в автоматизации однотипных процедур. К подобным задачам относится в частности аттестация персонала малых и средних компаний. В качестве решения предложено использовать сервис на открытой программной платформе, модель и архитектура которого (рис. 2) представлена в работе [1].
Рис. 2. Архитектура системы аттестации
2022
Проект: Разработка теоретических основ, методов, языковых и инструментальных средств для использования в автоматизированных системах управления, построенных по технологии промышленного Интернета вещей
Краткое содержание
Разработана архитектура нейронной сети на биологически-подобных нейронах, в задачу которой входит отработка механизма распознавания иллюзорного контура на примере «фигур Канижа».
Расширенное описание
Распознавание иллюзорного контура является одной из проблем технического зрения. Механизм, лежащий в его основе, отвечает и за разделение изображения на фигуру и фон, а также участвует в сегментации перекрытых изображений. В зрительной коре человеческого мозга за распознавание иллюзорных контуров, помимо прочих функций, отвечают нейроны первичных зрительных зон.
Иллюзорный контур представляет собой условно воспринимаемую границу без ее реального присутствия. Исследуя примеры сцен, где светлая фигура закрывает, если точнее выразиться, частично покрывает темные объекты на том же светлом фоне, светлая фигура кажется более явной, чем фон, несмотря на их совместную гармонию, следовательно, края и тело данной фигуры создают иллюзорный контур, что немаловажно, при содействии темных объектов.
В настоящее время для распознавания иллюзорных контуров применяется практически весь аппарат компьютерного зрения, от фильтров Габора до марковских случайных полей. Применяют также и нейронные сети. Нейросетевые модели распознавания иллюзорного контура основаны на выделении характеристических точек.
Для определения иллюзорного контура предложено использовать сверточную нейронную сеть. Отличие от других работ заключается в моделях нейронов, участвующих в этом процессе. Общая архитектура нейросети представлена на рис. 1.
На изображении детектируются края (US1) и фон (UB1). Информация о краях служит основной для детекции границ (UC2), концов линий (UE2) и длинных линий (UL2), которые на следующем слое уточняются (UBC3, UBE3 и UBL3). Уточнение требуется из-за особенностей функционирования нейронов, которые могут давать ошибку определения ориентации края в пределах ±20° от правильной ориентации.
Представленная архитектура нейронной сети на биологически-подобных моделях нейронов распознает иллюзорные контуры типа «фигура Канижа» с любым количеством углов и на разных расстояниях. Данный метод может быть применен и в разделении «фигура – фон» на изображениях.
Отличительным достоинство предлагаемого подхода является возможность его переноса на аппаратный уровень без необходимости дообучения и калибровки в процессе эксплуатации. Также добавление других моделей нейронов, например нейрона детекции движения, может позволить выделять движущиеся иллюзорные контуры, что, в свою очередь, может помочь более качественно сегментировать перекрытые изображения.
Рис.2. Результат работы нейронной сети на фигурах Канижа
