Актуальность и цели. Успех в достижении технологического суверенитета и лидерства, экологического благополучия государства неразрывно связан с реализацией экологической промышленной политики и переходом на наилучшие доступные технологии.
Материалы и методы. Методология разработки модели предиктивной системы контроля выбросов, а также ее испытаний и поверок основывается на сравнении данных косвенных измерений выбросов (полученных через моделирование) и прямых измерений выбросов (выполненных с использованием временно устанавливаемой автоматической измерительной системы).
Результаты. Рассмотрены принципы построения предиктивных систем контроля выбросов загрязняющих веществ производственных процессов на основе математических моделей, разрабатываемых с использованием технологических данных. Кратко рассмотрены правовые основы применения таких систем на промышленных предприятиях в России и за рубежом. Проанализированы особенности технологических процессов, уровни их автоматизации, а также характерные загрязняющие вещества, выбрасываемые в атмосферный воздух в составе отходящих газов, для ключевых отраслей российской промышленности: теплоэнергетики, черной и цветной металлургии, переработки углеводородного сырья, производства минеральных удобрений, производства цемента. Рассмотрено понятие платформы предиктивной аналитики, показана актуальность ее развития, в том числе в части создания предиктивных систем контроля выбросов, в контексте промышленной и технологической политики Российской Федерации.
Выводы. Преимущество использования больших объемов данных о процессе может быть реализовано на практике для получения полезной информации.
Актуальность и цели. Компьютерная плантография является одним из методов диагностики состояния стоп. В ходе расчета клинико-функциональных показателей при проведении данного исследования одним из этапов является выделение точек, лежащих на границе зоны контакта стопы с опорной поверхностью. Ввиду стремления снизить нагрузку на специалистов при проведении этой процедуры и развития технологий искусственного интеллекта актуальной задачей является разработка модели сегментации зон контакта на плантограммах как одного из этапов автоматизации проведения данного исследования. Цель исследования - разработать и апробировать модель сегментации опорной зоны стопы на снимках компьютерной плантографии средствами искусственного интеллекта.
Материалы и методы. В исследовании использован датасет, содержащий 500 снимков компьютерной плантографии разных пациентов.
Результаты. По результатам обучения модели yolo11x-seg (модель сегментация снимков) были получены высокие показатели в задачах детекции и сегментации зон контакта совместно в переднем и среднем отделах стопы и отдельно в заднем отделе стопы. Метрики качества работы модели составили: mAP50 - 0,9727, mAP50-95 - 0,8293, точность - 0,9849, полнота - 0,9684 в задаче детекции сегментируемой области; mAP50 - 0,9727, mAP50-95 - 0,8482, точность - 0,9849, полнота - 0,9688 в задаче семантической сегментации. Полученные показатели подтверждают способность модели эффективно выделять и сегментировать общую зону контакта в переднем и среднем отделах стопы, а также зону контакта в заднем отделе стопы.
Выводы. Интеграция данной модели в системы поддержки принятия врачебных решений обеспечит ускорение процесса анализа снимков и снижение трудозатрат специалистов, что позволит оптимизировать проведение научных исследований и повысить качество медицинских услуг.