ПРОБЛЕМИ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ВБУДОВАНИХ СИСТЕМ КЕРУВАННЯ З МОДУЛЕМ КОМП’ЮТЕРНОГО ЗОРУ

А.Ю. Гусєв; В.Ю.  Клим

doi:10.34185/1562-9945-4-165-2026-03

Автор(и)

А.Ю. Гусєв https://orcid.org/0009-0002-3846-6204
В.Ю. Клим https://orcid.org/0000-0002-5887-1955

DOI:

https://doi.org/10.34185/1562-9945-4-165-2026-03

Ключові слова:

комп'ютерний зір, вбудовані системи, автоматичне керування, TinyML, компресія нейромереж, запас стійкості, цифрові двійники, апаратно-орієнтована оптимізація

Анотація

У статті досліджується актуальна проблема підвищення ефективності вбудованих систем автоматичного керування (САК), в яких робота віртуальних датчиків виконується за алгоритмами комп’ютерного зору на базі глибоких нейромереж. Виконаний аналіз сучасних підходів до компресії нейромережевих моделей (квантування, проріджування) у контексті парадигм Edge AI та TinyML. За результатом огляду робот інших авторів висвітлена недостатня узгодженість параметрів САК: оптимізація моделей виключно за метриками машинного навчання, без урахування динаміки об’єкта, що знижує запаси стійкості системи через зміну статистики помилок та внесення стохастичного шуму. Сформульовані завдання дослідження, що поєднує цифрові двійники, емуляцію та апаратну реалізацію (Hardware-in-the-loop) поставленої задачі пошуку оптимального компромісу між затримкою інференсу та точністю оцінки стану об'єкта для підвищення ефективності автономних систем.

Посилання

El Zeinaty, C., Hamidouche, W., Herrou, G., & Menard, D. (2024). Designing object de-tection models for TinyML: Foundations, comparative analysis, challenges, and emerging so-lutions. ACM Computing Surveys, 56(8), 1–46. https://doi.org/10.1145/3744339

Jiang, B., Chen, J., & Liu, Y. (2023). Single-shot pruning and quantization for hardware-friendly neural network acceleration. Engineering Applications of Artificial Intelligence, 126(Part B), Article 106816. https://www.google.com/search?q=https://doi.org/10.1016/j.engappai.2023.106816

Park, J., Kim, P., & Ko, D. (2025). Real-time open-vocabulary perception for mobile ro-bots on edge devices: A systematic analysis of the accuracy-latency trade-off. Frontiers in Robotics and AI, 12, Article 1693988. https://www.google.com/search?q=https://doi.org/10.3389/frobt.2025.1693988

de Prado, M., Rusci, M., Capotondi, A., Donze, R., Benini, L., & Pazos, N. (2021). Robus-tifying the deployment of tinyML models for autonomous mini-vehicles. Sensors, 21(4), Arti-cle 1339. https://www.google.com/search?q=https://doi.org/10.3390/s21041339

Alaklabi, S., & Alharbi, S. (2026). DRL-TinyEdge: Energy- and latency-aware deep rein-forcement learning for adaptive TinyML at the 6G edge. Future Internet, 18(1), Article 31. https://www.google.com/search?q=https://doi.org/10.3390/fi18010031

McKee, C. (2025). Design, embedded implementation, and performance optimization of a real-time AI-driven vision inspection system for automated industrial quality control [Techni-cal report].

Kashtan, V., Hnatushenko, V., Udovyk, I., & Shevtsova, O. (2023). Rozpiznavannia ta monitorynh vodnykh obiektiv na optychnykh suputnykovykh zobrazhenniakh iz vykorystan-niam mashynnoho navchannia [Recognition and monitoring of water objects on optical satel-lite images using machine learning]. Information Technology: Computer Science, Software Engineering and Cyber Security, 3, 32–42. https://doi.org/10.32782/IT/2023-3-4

Khudiakov, I. V., Gritsuk, I. V., Chernenko, V. V., Gritsuk, Y. V., Pohorletskyi, D. S., Makarova, T. V., & Manzhelei, V. S. (2021). Osoblyvosti modeliuvannia ta pobudovy infor-matsiinoi systemy dystantsiinoho monitorynhu tekhnichnoho stanu transportnykh zasobiv [Features of modeling and construction of the information system of remote monitoring of the technical condition of vehicles]. Visnyk mashynobuduvannia ta transportu [Herald of Me-chanical Engineering and Transport], 14(2), 140–148. https://doi.org/10.31649/2413-4503-2021-14-2-140-148

Berdnikova, A. L., & Manzhos, Y. S. (2012). Informatsiina tekhnolohiia modeliuvannia skladnykh system [Information technology for modeling of complex systems]. Systemy obrobky informatsii [Information Processing Systems], 101(3), 2–7.

Kavka, O. O., Maidaniuk, V. P., Romanyuk, O. N., & Zavalniuk, Y. K. (2023). Analiz alhorytmiv stysnennia zobrazhen iz vtratamy [Analysis of the lossy image compression algo-rithms]. Informatsiini tekhnolohii ta kompiuterna inzheneriia [Information Technologies and Computer Engineering], 58(3), 59–64. https://doi.org/10.31649/1999-9941-2023-58-3-59-64