Нейросеть обнаруживающая космический мусор

Традиционные способы решения поиска мусора являются не эффективными. Задача заключается в повышении скорости и качества поиска мусора.

 Мы применяем нейронные сети для анализа данных с камер и датчиков в космосе, чтобы точно идентифицировать и отслеживать космический мусор. Это повышает эффективность обнаружения опасных объектов.Процесс работы сети:

Программа использует Python и технологию YOLO v5 от Ultralytics для обнаружения объектов на изображениях. YOLOv5 эффективно предсказывает расположение и размеры ограничивающих рамок (bounding boxes) на изображении, а также вероятности классов для этих объектов. В процессе работы, она идентифицирует определённое количество этих рамок, классифицирует объекты внутри них и оценивает вероятность их присутствия, затем корректирует положение рамок для более точного обнаружения объектов.

Нейросеть уже пред-обучена, и для полной ее эксплуатации нужно установить ее посредством клонирования репразитория в github посредством ввода

“‘git clone https://github.com/ultralytics/yolov5 “ в терминал. Далее нужно перейти в нужную директорию посредством команды “cd yolov5”. Последний этап подготовки это установка всех необходимых расширений(библиотек) посредством команды

“pip install -r requirements.txt ”

Нейросеть готова к использованию. Мы можем задать параметры     использования сети. Например: параметр «--source (0-∞)» этот параметр отвечает за камеру которая будет транслировать видео в реальном времени.

Или же параметр data который отвечает за рерурс над которым будет работать нейросеть. Таких параметров может быть бесконечно много так как возможности нейросети практически не ограничены.