inttransИнтеллектуальный транспортIntelligent transport3033-6007АО «НИИАС»inttrans-38Research ArticleЦИФРОВЫЕ МЕТОДЫ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕИнформационные модели для систем технического зренияInformation models for machine vision systemsОхотниковА. Л.OkhotnikovA. L.

Заместитель начальника Департамента информационных технологий - начальник Отдела стратегического развития

Москва

Deputy Head of Department, Head of Strategic Development

Moscow

a.ohotnikov@vniias.ruАО «НИИАС»РоссияJSC «NIIAS»Russian Federation20241209202604(32)3743Copyright © Охотников А.Л., 20262026Охотников А.Л.Okhotnikov A.L.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.intelligent-transport.ru/jour/article/view/38

В статье исследуются информационные модели, которые применяют в системах технического зрения. Раскрывается содержание систем технического зрения в аспекте их принадлежности к области информационных технологий. Описаны основные информационные модели, применяемые в системах технического зрения. Это модели информационной ситуации четырех типов. Системы технического зрения применяют как средство для поддержки принятия решений машинистом и как средство управления беспилотным транспортом. Исследованы типы датчиков, применяемые в системах технического зрения. Отмечена целесообразность применения искусственной нейронной сети для ситуационного анализа. Показано различие между стационарными, мобильными и бортовыми системами технического зрения. Раскрыты основные функции бортовой системы технического зрения.

The article examines the information models used in machine vision systems. The content of machine vision systems is disclosed in terms of their belonging to the field of information technology. Two main subsystems are described. The main information models used in machine vision systems are described. These are models of the information situation of four types. Machine vision systems are used as a means of supporting the actions of the driver and as a means of controlling unmanned transport. The types of sensors used in machine vision systems are studied. The feasibility of using an artificial neural network for situational analysis is noted. The difference between stationary, mobile and on-board machine vision systems is shown. The main functions of the on-board machine vision system are described.

транспортсистема технического зрениябортовые системыинформационные ситуациисенсорыtransportmachine vision systemson-board systemsinformation situationssensorsReferencesЦветков В.Я. Модель информационной ситуации // Перспективы науки и образования. - 2017. - №3(27). - С.13-19.Цветков В.Я. Модель информационной ситуации // Перспективы науки и образования. - 2017. - №3(27). - С.13-19.Титов Е.К. Многоаспектность информационной ситуации // ИТНОУ: Информационные технологии в науке, образовании и управлении. - 2019. - № 1(11). – С.101-106.Титов Е.К. Многоаспектность информационной ситуации // ИТНОУ: Информационные технологии в науке, образовании и управлении. - 2019. - № 1(11). – С.101-106.Цветков В.Я. Информационно измерительные системы и технологии в геоинформатике. - М.: МАКС Пресс, 2016. – 94 с.Цветков В.Я. Информационно измерительные системы и технологии в геоинформатике. - М.: МАКС Пресс, 2016. – 94 с.Dolgy A.I., Rozenberg I.N., Tsvetkov V.Ya. Spatial logic in process of unmanned vehicle operation // В сборнике: AIP Conference Proceedings. Melville, New York, United States of America, 2021. С. 50059.Dolgy A.I., Rozenberg I.N., Tsvetkov V.Ya. Spatial logic in process of unmanned vehicle operation // В сборнике: AIP Conference Proceedings. Melville, New York, United States of America, 2021. С. 50059.Лёвин Б. А, Цветков В. Я., Дзюба Ю. В. Субсидиарное управление на железной дороге // Мир транспорта. - 2019. - Т. 17. - №4 (83). - С.22-35.Лёвин Б. А, Цветков В. Я., Дзюба Ю. В. Субсидиарное управление на железной дороге // Мир транспорта. - 2019. - Т. 17. - №4 (83). - С.22-35.Лёвин Б.А. Информационное моделирование при управлении транспортом // Перспективы науки и образования. - 2017. - №3(27). - С.50-54.Лёвин Б.А. Информационное моделирование при управлении транспортом // Перспективы науки и образования. - 2017. - №3(27). - С.50-54.Стандарт EMVA1288 // URL:/https://www.emva.org/wp-content/uploads/EMVA1288-3.0.pdf (Дата обращения 25.02.2024).Стандарт EMVA1288 // URL:/https://www.emva.org/wp-content/uploads/EMVA1288-3.0.pdf (Дата обращения 25.02.2024).Цветков В.Я. Рецепция информации // Образовательные ресурсы и технологии. – 2016. - 1 (13). – С.121-129.Цветков В.Я. Рецепция информации // Образовательные ресурсы и технологии. – 2016. - 1 (13). – С.121-129.Попов, П. А. Сопоставление возможностей человека и машины в восприятии окружающего мира / П. А. Попов, В. Л. Дашонок // Железнодорожный транспорт. – 2019. – № 8. – С. 44-46.Попов, П. А. Сопоставление возможностей человека и машины в восприятии окружающего мира / П. А. Попов, В. Л. Дашонок // Железнодорожный транспорт. – 2019. – № 8. – С. 44-46.Попов, П.А. На пути к беспилотному движению // Автоматика, связь, информатика. – 2017. – №10. – С. 16–17.Попов, П.А. На пути к беспилотному движению // Автоматика, связь, информатика. – 2017. – №10. – С. 16–17.Патент на полезную модель № 95295 U1 Российская Федерация, МПК B60L 15/38. микропроцессорная система управления и диагностики тепловозов с функцией автоведения: № 2009148125/22: заявл. 16.02.2010: опубл. 27.06.2010 / М. В. Федотов, С. И. Ким, А. А. Пронин, Л. М. Воронкова; заявитель ОАО «РЖД».Патент на полезную модель № 95295 U1 Российская Федерация, МПК B60L 15/38. микропроцессорная система управления и диагностики тепловозов с функцией автоведения: № 2009148125/22: заявл. 16.02.2010: опубл. 27.06.2010 / М. В. Федотов, С. И. Ким, А. А. Пронин, Л. М. Воронкова; заявитель ОАО «РЖД».Патент № 042033. Бортовая система технического зрения локомотива для определения и идентификации препятствий: заявл. 04.02.2021: опубл. 29.12.2022 / А.Л. Охотников, И. Н. Королев, И. А. Дейлид [и др.]; заявитель ОАО «РЖД».Патент № 042033. Бортовая система технического зрения локомотива для определения и идентификации препятствий: заявл. 04.02.2021: опубл. 29.12.2022 / А.Л. Охотников, И. Н. Королев, И. А. Дейлид [и др.]; заявитель ОАО «РЖД».Лотоцкий В.Л. Информационная ситуация и информационная конструкция // Славянский форум. - 2017. -2(16). – С.39-44.Лотоцкий В.Л. Информационная ситуация и информационная конструкция // Славянский форум. - 2017. -2(16). – С.39-44.Tsvetkov V. Ya. Information Relations // Modeling of Artificial Intelligence. 2015. № 4(8). – р.252-260.Tsvetkov V. Ya. Information Relations // Modeling of Artificial Intelligence. 2015. № 4(8). – р.252-260.Титов Е. К. Ситуационный анализ транспортных кибер-физических систем //Наука и технологии железных дорог. – 2022. – Т. 6. – №. 2 (22). – С. 23.Титов Е. К. Ситуационный анализ транспортных кибер-физических систем //Наука и технологии железных дорог. – 2022. – Т. 6. – №. 2 (22). – С. 23.Павлов А.И. Пространственная информационная ситуация // Славянский форум, 2016. -4(14). – С.198-203.Павлов А.И. Пространственная информационная ситуация // Славянский форум, 2016. -4(14). – С.198-203.Плотников С.Б. Параметрическая и пространственная информационная ситуация // ИТ – Стандарт. 2021. 3(28). С.40-45.Плотников С.Б. Параметрическая и пространственная информационная ситуация // ИТ – Стандарт. 2021. 3(28). С.40-45.Лёвин Б.А., Цветков В.Я. Цифровая железная дорога: принципы и технологии // Мир транспорта. - 2018. - Т. 16. - №3 (76). - С.50-61.Лёвин Б.А., Цветков В.Я. Цифровая железная дорога: принципы и технологии // Мир транспорта. - 2018. - Т. 16. - №3 (76). - С.50-61.

The authors declare that there are no conflicts of interest present.