Збірники наукових праць ЦНТУ
Permanent URI for this communityhttps://dspace.kntu.kr.ua/handle/123456789/1
Browse
4 results
Search Results
Item Алгоритм цифрової ідентифікації зернових матеріалів(ЦНТУ, 2024) Степаненко, С. П.; Днесь, В. І.; Борис, А. М.; Кузьмич, А. Я.; Волик, Д. А.; Stepanenko, S.; Dnes, V.; Borys, A.; Kuzmych, A.; Volyk, D.Розглянуто питання застосування технологій машинного зору для підвищення точності та ефективності ідентифікації зернових матеріалів у процесі післязбиральної обробки. Визначено, що традиційні методи контролю якості зерна, зокрема візуальні, мікробіологічні та хімічні тести, мають суттєві обмеження при ідентифікації домішок, особливо тих, що подібні за фізичними та візуальними ознаками. Запропоновано алгоритм цифрової ідентифікації зерна, заснований на методах машинного зору та машинного навчання. The article examines the application of machine vision technologies to enhance the accuracy and efficiency of grain material identification during post-harvest processing. It has been determined that traditional grain quality control methods, including visual, microbiological, and chemical tests, have significant limitations in identifying impurities, especially those similar in physical and visual characteristics. In response to these challenges, a digital grain identification algorithm based on machine vision and machine learning methods is proposed.Item Шляхи підвищення конфіденційності в мережах інтернету речей(ЦНТУ, 2025) Підлісний, Ю. І.; Pidlisnyi, Yu.У статті представлено результати огляду існуючих найновітніші і найактуальніші системи захисту для мереж IoT, їх переваги та недоліки. Основну увагу приділено методам захисту даних на рівні пристроїв, мережевої інфраструктури та хмарних сервісів. Серед можливих шляхів підвищення конфіденційності розглядаються застосування шифрування, механізмів аутентифікації, впровадження блокчейн-технологій, штучного інтелекту та машинного навчання. Висновки підкреслюють важливість інтеграції багаторівневих стратегій захисту, адаптованих до специфіки мереж IoT, для забезпечення високого рівня конфіденційності та довіри до систем Інтернету речей. Мета статті - комплексне висвітлення і аналіз сучасних викликів, загроз та проблем конфіденційності та безпеки в мережах Інтернету речей (IoT), а також вивчення передових методів захисту чутливої інформації. Стаття також спрямована на формування уявлення про актуальність питань приватності для користувачів IoT, окреслення можливих підходів до вирішення існуючих проблем і підвищення обізнаності щодо впливу технологій на безпеку даних у глобальній IoT-інфраструктурі. The rapid development of IoT technologies and their integration into everyday life are leading to a significant increase in the amount of data collected, transmitted and processed. This creates significant risks of confidential information leakage, which can have serious consequences for individual users, businesses and government agencies. In addition, the growing number of connected devices and their interaction in global networks increase the vulnerability of systems to cyberattacks, which can lead to unauthorized access to critical data. The purpose of this article is to analyze the vulnerabilities of the Internet of Things (IoT) and to consider modern methods of detecting and counteracting cyber threats in such networks. The main objectives of the study include: Identification of the main threats and vulnerabilities of IoT networks at different levels of interaction; Analysis of modern attack methods applied to IoT systems and their consequences; Overview and classification of security methods, including cryptographic mechanisms, blockchain solutions, artificial intelligence-based anomaly detection systems, etc; Comparison of the effectiveness of different approaches to cybersecurity of IoT infrastructure and identification of their advantages and disadvantages; Formulating recommendations for the implementation of more reliable mechanisms to protect IoT networks etc.Item Підвищення надійності та ефективності експлуатації виробничих ліній методами штучного інтелекту, використовуючи моніторинг акустичних сигналів(ЦНТУ, 2024) Ковальов, С. Г.; Аулін, В. В.; Гриньків, А. В.; Варваров, В. В.; Kovalov, S.; Aulin V.; Hrynkiv, A.; Varvarov, V.У статті розглянуто підвищення надійності та ефективності виробничих процесів шляхом зменшення витрат на обслуговування та мінімізації простоїв. Пропонується метод оптимізації технічного обслуговування за допомогою алгоритмів штучного інтелекту. Досліджується кореляція між акустичними спектрами вузлів обладнання та їх надійністю та ефективністю. Запропоновано використовувати конволюційні мережі для розпізнавання патернів роботи обладнання через двовимірне відображення акустичних спектрів. Дослідження підтверджує зв'язок між параметрами надійності функціонування та ефективності використання обладнання та їхніми акустичними спектрами. The article provides an in-depth analysis of a method to improve the reliability and efficiency of automated production lines by reducing maintenance costs and minimizing downtime using artificial intelligence algorithms. The method involves the application of acoustic spectra generated by the production line nodes during operation to establish a correlation with the reliability and efficiency of these lines. A model for representing acoustic spectra as a two-dimensional data array, which captures the change in acoustic spectra over time, has been proposed. The format of acoustic spectra as two-dimensional data is used to recognize equipment operation patterns. To recognize these patterns, the use of a convolutional neural network is proposed, and its software model has been developed, allowing simulation and assessment of the accuracy of using machine learning methods.Item Інтеграція штучного інтелекту в системи підтримки прийняття рішень в оптимізації виробничих процесів машинобудівного підприємства на прикладі машинного навчання(ЦНТУ, 2024) Бойко, Р. Ю.; Аулін, В. В.; Тихий, А. А.; Карпушин, С. О.; Коваль, О. П.; Boiko, R.; Aulin V.; Tykhyi, А.; Karpushyn, S.; Koval, O.У статті представлено комплексний огляд систем підтримки прийняття рішень в галузевому машинобудуванні на основі штучного інтелекту у контексті Індустрії 4.0. Проаналізовано підходи до інтеграції та обробки даних, а також основні методи машинного та глибокого навчання, що формують технологічне підґрунтя таких рішень. Окреслено архітектуру, типові етапи впровадження і запропоновано план інтеграції штучного інтелекту для машинобудівного підприємства, включно з описом складових рішення та ключових стратегій розгортання. Розглянуто потенційні виклики й надано рекомендації щодо успішної реалізації. Результати впровадження можуть значно скоротити незаплановані простої устаткування, підвищити ефективність виробництва й забезпечити підприємствам суттєву конкурентну перевагу. This article provides a comprehensive overview of decision support systems based on artificial intelligence within the context of Industry 4.0. The integration approaches and data processing methods, as well as key machine learning and deep learning techniques, which form the technological foundation of such systems, are analyzed. The article outlines the architecture, typical implementation stages, and suggests a plan for artificial intelligence integration in a machine-building enterprise, including descriptions of the system components and deployment strategies. Potential challenges and recommendations for successful implementation are also discussed.