ADNOTARE

Autor:____________________, gr. __________

Tema: Elaborarea microsistemul de achiziție date și comunicații pentru sistemul de
monitorizare de la distanță a stupilor

Structura proiectului: constă din pagini de titlu, aviz, rezumat, introducere, 3 capitoli,
concluzii, bibliografie.
Cuvinte cheie: monitorizare, stup, algoritm de comunicare, algoritm de achiziție date,
WIFI.

Scopul proiectului: Elaborarea microsistemului de achiziție date și comunicații pentru

sistemul de monitorizare de la distanță a stupilor.
Obiectivele:
1. Analiza dispozitivelor de monitorizare a sistemelor și a tehnologiei IoT;
2. Elaborarea arhitecturii generale a sistemului de monitorizare a stupilor;
3. Selectarea micro controlerului și elaborarea schemei de principiu a microsistemului;
4. Elaborarea structurii softului microsistemului;
5. Elaborarea algoritmului de achiziție date și decomunicare;
6. Efectuarea evaluării economice a microsistemului.
Metode și tehnologii utilizate la elaborarea proiectului: respectarea etapelor standard de
proiectare a produselor hard pentru sisteme încorporate, tehnologii IoT.
Rezultatele obținute: 1) au fost analizate sistemele existente de achiziție date și
comunicații pentru sistemul de monitorizare de la distanță; 2) a fost selectat micro controlerul
potrivit acestui microsistem, acest pas a fost foarte important pentru microsistemul creat, deoarece
micro controlerul stă la baza microsistemului. 2) a fost satbilit comunicarea între microcontrolerul
dat și router prin intermediul tehnologiei WiF, cu scopul de a transmite datele obținute de la
senzori într-o bază de date externă care va face posibilă salvarea ulterioară a datelor și lucrul cu
aceste; 3) a fost stabilită comunicarea între microcontroler și senzorii acestui micro sistem cu
scopul de a citi in timp real parametrii cum ar fi: de temeratură și umeditate atît în interiorul
stupupului cît și în exteriorul acestuia și de asemenea parametrii de greutate care ne oferă mai
multe informații despre situația care sa creat in stup. 4) o componentă importantă pentru acest
microsistem este partea de alimentare, care este compusă din mai multe componente care au rolul
de a prelua energia primita de la PV panel, de a o depozita într-un acumulator și de a o transmite
către microcontroler pentru funcționarea neîntreruptă a acestuia.
 АННОТАЦИЯ

Автор: __________________, gr. _________

Тема: Разработка системы анализа дорожного движения в режиме реального
времени с применением облачных технологий и машинного обучения
Структура дипломного проекта: состоит из 135 стр., Введение, 3 раздела,
Заключение, Библиография, Приложения.
Ключевые слова: Машинное обучение, компьютерное зрение, Конволюционные
нейронные сети, облачные технологии, YOLOv3 CNN, Hadoop.
Цель проекта: разработка системы анализа дорожного движения на основе
технологии машинного обучения с применеием искусственного интеллекта на базе
нейронных сетей.
Задачи:
1. Провести анализ систем и технологий, используемых для обнаружения объектов;
2. Разработать общую структурную схему системы;
3. Спроектировать подсистему обработки видеопотока;
4. Разработать подсистему хранения и обработки данных;
5. Провести настройку подсистемы анализа объектов;
6. Провести технико-экономическое обоснование проекта.
Методы и технологии, применяемые для разработки проекта: Cloud
технологии, нейронные сети, модель YOLOv3.
Полученные результаты: был проведен детальный анализ технологий, необходимых
для внедрения системы, изучены аналоги систем мониторинга и анализа дорожного
движения. Были изучены и применены нейронные сети и, в частности, самая эффективная
архитектура нейронных сетей, которая позволяет анализировать изображения на очень
высоком уровне, как с точки зрения качества, так и скорости – сверточные нейронные сети
(CNN). Было разработано комплексное решение для мониторинга транспортных потоков в
режиме реального времени. Для хранения и обработки данных были выбраны серверы на базе
облачных технологий, что позволяет нам эффективно масштабировать необходимые ресурсы
в зависимости от нагрузки. Были проанализированы и применены алгоритмы обнаружения
транспортных средств, определяющие тип транспортного средства и его параметры с
использованием одной из лучших моделей нейронных сетей с точки зрения скорости и
точности распознавания - YOLOv3. Проведен технико-экономический анализ и общая
структура системы.
 ANNOTATION

Author: ___________________, gr. ________

Title: “Elaboration of real-time traffic analysis system using Cloud Technologies and
Machine Learning”
Graduation project structure: consists of 135 pages, Introduction, 3 chapters, Conclusions,
Bibliography, Anexes
Keywords: Machine Learning, Computer Vision, Convolutional Neural Networks, YOLOv3
CNN, Cloud, Hadoop.
The purpose of the project: development of the road traffic analysis system based on
machine learning technology and in particular, artificial neural networks.
Objectives:
1. Analysis of systems and technologies used to detect objects;
2. Realization of the general structure of the system;
3. Design of the video source processing subsystem;
4. Design of the data storage and processing subsystem;
5. Carrying out the process of installation and configuration of the object analysis
subsystem;
6. Carrying out the technical and economic evaluation.
Applied methods and technologies: Cloud technology, artificial neural networks, YOLOv3
model.
The obtained results: the analogies of the road traffic monitoring and analysis systems were
studied, as well as all the technological solutions necessary for the implementation of this system.
One of the fastest growing modern technologies - neural networks and, in particular, the most
efficient neural network architecture, which allows the analysis of images at a very high level both in
terms of quality and speed - neural networks Convolutional (CNN) has been used in this project. A
comprehensive solution for real-time traffic flow monitoring has been developed. For data storage
and processing, servers with Cloud technologies have been selected which allow us to efficiently
scale the required resources depending on the load. Algorithms for vehicle detection have been
analyzed and applied, determining the vehicle type and its parameters using one of the best neural
network models in terms of speed and accuracy of recognition - YOLOv3. The technical and
economic analysis was performed as well as the general structure of the system.