ПРОБЛЕМИ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ВБУДОВАНИХ СИСТЕМ КЕРУВАННЯ З МОДУЛЕМ КОМП’ЮТЕРНОГО ЗОРУ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2026.01.070Ключові слова:
комп'ютерний зір, вбудовані системи, автоматичне керування, TinyML, компресія нейромережАнотація
У роботі досліджується актуальна проблема підвищення ефективності вбудованих систем автоматичного керування, де алгоритми комп’ютерного зору (на базі глибоких нейромереж) виконують роль віртуальних датчиків. Проаналізовано методи компресії моделей (квантування, проріджування) у межах підходів Edge AI та TinyML. Висунуто припущення, що ізольована програмна оптимізація нейромереж без урахування динаміки фізичного об'єкта може знижувати запаси стійкості системи через виникнення стохастичного шуму та змінної затримки. Запропоновано комплексну методологію дослідження, яка поєднує використання цифрових двійників, симуляції (Vision-in-the-loop), емуляції та апаратної реалізації (Hardware-in-the-loop). Цей підхід спрямований на пошук оптимального компромісу між затримкою інференсу та точністю розпізнавання для підвищення надійності та ефективності автономних кіберфізичних систем.
Посилання
El Zeinaty, C., Hamidouche, W., Herrou, G., & Menard, D. (2024). Designing object detection models for TinyML: Foundations, comparative analysis, challenges, and emerging solutions. ACM Computing Surveys, 56, 1–46. https://doi.org/10.1145/3744339
Park, J., Kim, P., & Ko, D. (2025). Real-time open-vocabulary perception for mobile robots on edge devices: A systematic analysis of the accuracy-latency trade-off. Frontiers in Robotics and AI, 12, 1693988. https://doi.org/10.3389/frobt.2025.1693988
Khudiakov, I. V., Gritsuk, I. V., Chernenko, V. V., et al. (2021). Osoblyvosti modeliuvannia ta pobudovy informatsiinoi systemy dystantsiinoho monitorynhu tekhnichnoho stanu transportnykh zasobiv. Visnyk mashynobuduvannia ta transportu, 14(2), 140–148. https://doi.org/10.31649/2413-4503-2021-14-2-140-148.
