1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 123 — комп’ютерна інженерія
Link lub cytat. http://elartu.tntu.edu.ua/handle/lib/50639
Pełny rekord metadanych
Pole DCWartośćJęzyk
dc.contributor.advisorОсухівська, Галина Михайлівна-
dc.contributor.advisorOsukhivska, Halyna-
dc.contributor.authorСемців, Тарас Андрійович-
dc.contributor.authorSemtsiv, Taras-
dc.date.accessioned2025-12-29T13:19:35Z-
dc.date.available2025-12-29T13:19:35Z-
dc.date.issued2025-12-19-
dc.date.submitted2025-06-26-
dc.identifier.citationСемців Т.А. Методи та засоби виявлення осередків пожежі в населених пунктах комп’ютеризованою системою відеонагляду : кваліфікаційна робота на здобуття ступеня магістр: спец. 123 — комп’ютерна інженерія / наук.кер. Г.М. Осухівська. — Тернопіль: ТНТУ, 2025. — 67 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/50639-
dc.description.abstractКваліфікаційна робота присвячена підвищенню ефективності виявлення осередків пожежі в умовах населених пунктів за допомогою методів комп’ютерного зору. У роботі проведено аналіз сучасних методів детекції об’єктів та обґрунтовано використання нейронних мереж сімейства YOLO. Розроблено структурну схему централізованої системи відеонагляду, яка включає підсистеми збору даних, серверної обробки та сповіщення. Практична частина включає підготовку спеціалізованого набору даних та навчання моделей YOLOv11, YOLOv12 і YOLOv13. Експериментально встановлено, що для завдань цивільного захисту найефективнішою є архітектура YOLOv13, яка забезпечує найвищу повноту виявлення та надійність розпізнавання аморфних об’єктів (диму та вогню) у складних умовах міської забудови. Модель YOLOv11 рекомендована як альтернатива для систем з обмеженими апаратними ресурсами завдяки високій швидкодії. Результати дослідження мають практичне значення для модернізації систем безпеки населених пунктів та дозволяють мінімізувати час реагування екстрених служб на виникнення пожеж.uk_UA
dc.description.abstractThe qualification paper is dedicated to improving the efficiency of fire outbreak detection in populated areas using computer vision methods. The paper analyzes modern object detection methods and justifies the use of the YOLO family of neural networks. A structural scheme of a centralized video surveillance system has been developed, which includes data collection, server processing, and notification subsystems. The practical part involves the preparation of a specialized dataset and the training of YOLOv11, YOLOv12, and YOLOv13 models. It has been experimentally established that the YOLOv13 architecture is the most effective for civil protection tasks, providing the highest detection recall and reliability in recognizing amorphous objects (smoke and fire) within complex urban environments. The YOLOv11 model is recommended as an alternative for systems with limited hardware resources due to its high processing speed. The research results have practical significance for modernizing security systems in populated areas and allow for minimizing the response time of emergency services to fire outbreaks.uk_UA
dc.description.tableofcontentsВСТУП 7 РОЗДІЛ 1 АНАЛІТИЧНА ЧАСТИНА 10 1.1. Опис науково-технічної області досліджень 10 1.2. Огляд існуючих систем та методів виявлення пожежі 12 1.3. Архітектура комп’ютеризованої системи виявлення осередків пожежі 19 1.4. Висновки до розділу 21 РОЗДІЛ 2. ТЕОРЕТИЧНА ЧАСТИНА 22 2.1. Обґрунтування вибору моделі для виявлення пожеж у населених пунктах 22 2.2. Принципи побудови та особливості архітектури YOLOv11 28 2.3. Принципи побудови та особливості архітектури YOLOv12 31 2.4. Принципи побудови та особливості архітектури YOLOv13 34 2.5. Висновки до розділу 37 РОЗДІЛ 3 ПРАКТИЧНА ЧАСТИНА 39 3.1. Підбір та підготовка набору даних 39 3.2. Встановлення та налаштування YOLO 41 3.3. Тренування моделей YOLOv11, YOLOv12, YOLOv13 43 3.4. Результати тренування моделей YOLO 48 3.5. Висновки до розділу 51 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 52 4.1. Охорона праці 52 4.2. Безпека в надзвичайних ситуаціях 54 4.3. Висновки до розділу 57 ВИСНОВКИ 58 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 60 ДОДАТОК А. Тези конференціїuk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject123uk_UA
dc.subjectкомп’ютерна інженеріяuk_UA
dc.subjectкомп’ютерна система відеонаглядуuk_UA
dc.subjectпожежаuk_UA
dc.subjectрозпізнавання вогнюuk_UA
dc.subjectдимuk_UA
dc.subjectмоніторингuk_UA
dc.subjectмодель YOLOuk_UA
dc.subjectнаселений пункт.uk_UA
dc.subjectKeywords: computer video surveillance systemuk_UA
dc.subjectfireuk_UA
dc.subjectfire recognitionuk_UA
dc.subjectmonitoringuk_UA
dc.subjectsmokeuk_UA
dc.subjectYOLO modeluk_UA
dc.subjectsettlement.uk_UA
dc.titleМетоди та засоби виявлення осередків пожежі в населених пунктах комп’ютеризованою системою відеонаглядуuk_UA
dc.title.alternativeMethods and tools for detecting fire sources in populated areas with a computerized video-surveillance systemuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Семців Тарас Андрійович, 2025uk_UA
dc.rights.holder© Semtsiv Taras, 2025uk_UA
dc.contributor.committeeMemberДуда, Олексій Михайлович-
dc.contributor.committeeMemberDuda, Oleksij-
dc.coverage.placenameТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.format.pages67-
dc.subject.udc004.932:614.84uk_UA
dc.relation.referencesЛуцик Н.С., Луцків А.М., Осухівська Г.М., Тиш Є.В. ПрЛуцик Н.С., Луцків А.М., Осухівська Г.М., Тиш Є.В. Методичні рекомендації до виконання кваліфікаційної роботи магістра для студентів спеціальності 123 «Комп’ютерна інженерія» другого (магістерського) рівня вищої освіти усіх форм навчання. Тернопіль. 2024. 44 с.ограма та методичні рекомендації з проходження практики за тематикою кваліфікаційної роботи для студентів спеціальності 123 «Комп’ютерна інженерія» другого (магістерського) рівня вищої освіти усіх форм навчання. Тернопіль: ТНТУ. 2024. 45 с.uk_UA
dc.relation.referencesВаравін А.В., Лещишин Ю.З., Чайковський А.В. Методичні вказівки до виконання курсового проєкту з дисципліни «Дослідження і проєктування комп’ютерних систем та мереж» для здобувачів другого (магістерського) рівня вищої освіти спеціальності 123 «Комп’ютерна інженерія» усіх форм навчання. Тернопіль: ТНТУ, 2024. 32 с.uk_UA
dc.relation.referencesСемців Т. Виявлення пожеж з допомогою моделей YOLO. Матеріали ⅩⅠII науково-технічної конференції „Інформаційні моделі, системи та технології“, 2025. c. 82.uk_UA
dc.relation.referencesСемців Т. Порівняльний аналіз архітектур YOLO для виявлення осередків займання на відеопотоці. Матеріали ⅩⅠII науково-технічної конференції „Інформаційні моделі, системи та технології“, 2025. c.83.uk_UA
dc.relation.referencesVelychko D., Osukhivska H., Palaniza Y., Lutsyk N., Sobaszek Ł. Artificial Intelligence Based Emergency Identification Computer System / Advances in Science and Technology Research Journal. 2024. Vol. 18, № 2. P. 296–304. doi:10.12913/22998624/184343. ISSN 2299-8624.uk_UA
dc.relation.referencesBorodii I., Fedorovych I., Osukhivska H., Velychko D., Butsii R. Порівняльний аналіз обробки великих даних в Apache Spark з використанням Java, Python та Scala, 2025.uk_UA
dc.relation.referencesЩур Т., Осухівська Г. М. Використання штучного інтелекту для систем розпізнавання в Інтернеті речей : Т. Щур, Г. М. Осухівська. Матеріали V Міжнародної науково-практичної конференції «Цифрова економіка як фактор інновацій та сталого розвитку суспільства», 28–29 листопада 2024 р. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. с. 131–135.uk_UA
dc.relation.referencesVelichko, D., Singh, S., Markopoulos, P. P., Saber, E., & Hurd, J. Image Preprocessing and YOLO Architectures for Improved Detection of Small and Slowly Moving Objects. Proceedings of the 2024 IEEE Western New York Image and Signal Processing Workshop (WNYISPW). IEEE, 2024, pp. 1–4.uk_UA
dc.relation.referencesGirshick R., Donahue J., Darrell T., Malik J. Багаті ієрархії ознак для точного розпізнавання та семантичної сегментації / Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation. Proc. IEEE Conf. on Computer Vision and Pattern Recognition (CVPR). 2014. С. 580–587. URL: https://arxiv.org/abs/1311.2524 (дата звернення: 20.11.2025).uk_UA
dc.relation.referencesElhanashi A., Essahraui S., Dini P., Saponara S. Early Fire and Smoke Detection Using Deep Learning: A Comprehensive Review of Models, Datasets, and Challenges. Applied Sciences. 2025. Vol. 15, No. 18. Art. 10255. DOI: 10.3390/app151810255.uk_UA
dc.relation.referencesde Venâncio P. V. A. B., Campos R. J., Rezende T. M., Lisboa A. C., Barbosa A. V. A hybrid method for fire detection based on spatial and temporal patterns. Neural Computing and Applications. 2023. Vol. 35, No. 13. P. 9349–9361. DOI: 10.1007/s00521-023-08260-2.uk_UA
dc.relation.referencesRehman A., Saeed F., Rathore M. M., Paul A., Kang J.-M. Smart city fire surveillance: A deep state-space model with intelligent agents. IET Smart Cities. 2024. Vol. 6, No. 3. P. 199–210. DOI: 10.1049/smc2.12086.uk_UA
dc.relation.referencesSharma A., Kumar R., Kansal I., Popli R., Khullar V., Verma J., Kumar S. Fire Detection in Urban Areas Using Multimodal Data and Federated Learning. Fire. 2024.Vol. 7, No. 4, Art. 104. DOI: 10.3390/fire7040104.uk_UA
dc.relation.referencesWang H., Fu X., Yu Z., Zeng Z. DSS-YOLO: an improved lightweight real-time fire detection model based on YOLOv8. Scientific Reports. 2025. Vol. 15, Art. 8963. DOI: 10.1038/s41598-025-93278-w.uk_UA
dc.relation.referencesTitu M. F. S., Pavel M. A., Michael G. K. O., Babar H., Aman U., Khan R. Real-Time Fire Detection: Integrating Lightweight Deep Learning Models on Drones with Edge Computing. Drones. 2024. Vol. 8, No. 9, Art. 483. DOI: 10.3390/drones8090483.uk_UA
dc.relation.referencesWang X., Li M., Gao M., Liu Q., Li Z., Kou L. Early smoke and flame detection based on transformer. Journal of Safety Science and Resilience. 2023. Vol. 4, No. 3. P. 294–304. DOI: 10.1016/j.jnlssr.2023.06.002.uk_UA
dc.relation.referencesRedmon, J., Divvala, S., Girshick, R. та Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 779–788.uk_UA
dc.relation.referencesUltralytics. Models Documentation. URL: https://docs.ultralytics.com/ models/.uk_UA
dc.relation.referencesKhanam R., Hussain M. YOLOv11: An Overview of the Key Architectural Enhancements. arXiv preprint. 2024. Article 2410.17725. URL: https://arxiv.org/abs/2410.17725uk_UA
dc.relation.referencesTian Y., Ye Q., Doermann D. YOLOv12: Attention-Centric Real-Time Object Detectors. arXiv preprint. 2025. Article 2502.12524. URL: https://arxiv.org/abs/2502.12524uk_UA
dc.relation.referencesLei M., Li S., Wu Y., Hu H., Zhou Y., Zheng X., Ding G., Du S., Wu Z., Gao Y. YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception. arXiv preprint. 2025. Article 2506.17733. URL: https://arxiv.org/abs/2506.17733uk_UA
dc.relation.referencesRoboflow : end-to-end платформа для підготовки даних і навчання моделей комп’ютерного зору. URL: https://roboflow.com.uk_UA
dc.relation.referencesFire Smoke Detect / Roboflow Universe. URL: https://universe.roboflow. com/ fire-detect-jhehu/fire-smoke-detect-kvvvxuk_UA
dc.relation.referencesПро охорону праці : Закон України від 14 жовтня 1992 р. № 2694-XII (зі змінами і доповненнями).uk_UA
dc.relation.referencesКодекс законів про працю України : Закон України від 10 грудня 1971 р. (зі змінами і доповненнями).uk_UA
dc.relation.referencesПро пожежну безпеку : Закон України від 17 грудня 1993 р. № 3745-XII (зі змінами і доповненнями).uk_UA
dc.relation.referencesПравила пожежної безпеки в Україні : затв. наказом Міністерства внутрішніх справ України від 30 грудня 2014 р. № 1417 (зі змінами).uk_UA
dc.relation.referencesПравила улаштування електроустановок (ПУЕ) : нормативний документ. Чинна редакція (зі змінами і доповненнями).uk_UA
dc.relation.referencesВимоги щодо безпеки та захисту здоров’я працівників під час роботи з екранними пристроями : НПАОП 0.00-7.15-18 : затв. наказом Мінсоцполітики України від 14.02.2018 № 207 ; зареєстр. в Мін’юсті України 25.04.2018 за № 508/31960. База даних «Законодавство України» Верховна Рада України. URL: https://zakon.rada.gov.ua/go/z0508-18 (дата звернення: 08.12.2025).uk_UA
dc.relation.referencesКодекс цивільного захисту України : Закон України від 02.10.2012 № 5403-VI. База даних «Законодавство України» Верховна Рада України. URL: https://zakon.rada.gov.ua/go/5403-17 (дата звернення: 08.12.2025)uk_UA
dc.relation.referencesПро затвердження Правил пожежної безпеки в Україні : Наказ МВС України від 30.12.2014 № 1417. База даних «Законодавство України» Верховна Рада України. URL: https://zakon.rada.gov.ua/go/z0252-15 (дата звернення: 08.12.2025)uk_UA
dc.identifier.citationenSemtsiv T. Methods and tools for detecting fire sources in populated areas with a computerized video-surveillance system : Master Thesis „123 — Computer Engineering“ / Taras Semtsiv - Ternopil, TNTU, 2025 – 67 p.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.contributor.affiliationTernopil Ivan Puluj National Technical Universityuk_UA
dc.coverage.countryUAuk_UA
Występuje w kolekcjach:123 — комп’ютерна інженерія

Pliki tej pozycji:
Plik Opis WielkośćFormat 
Taras_Semtsiv.pdf2,47 MBAdobe PDFPrzeglądanie/Otwarcie
Prosty rekord


Pozycje DSpace są chronione prawami autorskimi

Narzędzia administratora