102
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
TEXNIKA FANLARI
Xaydarov Sherali
Denov tadbirkorlik va pedagogika instituti doktoranti
E-mail: sh.haydarov@dtpi.uz
УДК 004.891.3
OB’EKTLARNI TANIB OLISH ALGORITMI YORDAMIDA AVTOMOBIL
YO‘L BELGILARINI OGOHLANTIRUVCHI MAʼLUMOTLAR BAZASINI
SHAKLLANTIRISH
Kalit so‘zlar:
Yo'l belgilari,
CNN modeli,
Model,
Haydovchiga,
avtomobil,
OpenCV
Annotatsiya.
Yo'l belgilarining aniq vaqtida aniqlanishi va tanib olinishi,
avtomobil haydovchilari va piyodalar uchun juda muhimdir. Yo'l belgilarini
to'g'ridan-to'g'ri tanib olish dasturi orqali haydovchiga kerakli ma’lumotni
yetkazib boriladi bunda haydovchi berilgan ma’lumot orqali avtomobil
harakatini nazorat qilish imkoniyatiga ega. Yo'l belgilarining turli xil ko'rinishlari
mavjud, ba'zi belgilar o'rni bo'yicha yo'nalishni ko'rsatish uchun ko'p tomonlama
nuqtalarga ega bo'lishi mumkin, shuningdek, ba'zi belgilar xavfsizlik qoidalari va
cheklovlar haqida xabarda qilishi mumkin. Yo'l belgilarini aniqlash va tanib olish
muhim amal, chunki yangi avtomabil haydovchisiga yo'l topishda yordam beradi.
Biz yaratgan python dasturida yo’l belgilarini aniqlash dasturi orqali bu
muomolarni hal qilish imkoniyatiga egamiz. Bu dastur quyidagi modelda ikkilik
matritsalarda har bir piksel 8 bitga teng bo’lib shuning uchun ham ularning
qiymatlarini 0 va 1 ga aylantirishning o'rniga 0 va 255 gacha qiymatlarga
aylantirish mumkin. Shu tartibda, 128x128 piksellik rasmlar ikkilik matritsalarga
aylantirilib, ushbu matritslar yuqori darajali ma'lumot olish modellari, masalan,
CNN modeli uchun tayyorlanadi.
ФОРМИРОВАНИЕ БАЗЫ ДАННЫХ ПРЕДУПРЕЖДЕНИЙ О
ДОРОЖНЫХ ЗНАКАХ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМА
РАСПОЗНАВАНИЯ ОБЪЕКТОВ
Хайдаров Шерали
Докторант Денауского института
предпринимательства и педагогики
E-mail: sh.haydarov@dtpi.uz
Ключевые
слова:
Дорожные
знаки, Модель
CNN, Модель,
Водитель,
автомобиль,
OpenCV
Аннотация.
Своевременное обнаружение и распознавание дорожных знаков
очень важно для автомобилистов и пешеходов. Необходимая информация
доводится до водителя через программу прямого распознавания дорожных
знаков. Существуют различные типы дорожных знаков, некоторые знаки
могут иметь несколько точек для указания направления местоположения, а
некоторые знаки касаются правил безопасности и ограничений, которые
можно сделать в сообщении. Идентификация и распознавание дорожных
знаков является важной практикой, поскольку она помогает водителю-
новичку найти дорогу. Мы можем решить эти проблемы с помощью
программы обнаружения дорожных знаков, которую мы создали на python.
В этой программе в следующей модели каждый пиксель в двоичной матрице
103
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
занимает 8 бит, поэтому вместо преобразования их значений в 0 и 1 их можно
преобразовать в значения от 0 до 255. Таким образом изображения размером
128x128 пикселей преобразуются в бинарные матрицы, и эти матрицы
подготавливаются для высокоуровневых моделей сбора данных, например,
модели CNN.
FORMATION OF A DATABASE OF ROAD SIGN WARNINGS USING
THE OBJECT RECOGNITION ALGORITHM
Xaydarov Sherali
Denov Institute of Entrepreneurship and Pedagogy
E-mail: sh.haydarov@dtpi.uz
Keywords:
Traffic signs,
CNN model,
Model, Driver,
car, OpenCV.
Annotation.
Timely detection and recognition of road signs is very important
for motorists and pedestrians. The necessary information is delivered to the
driver through the program of direct recognition of road signs. There are
different types of road signs, some signs may have multi-directional points to
indicate the direction of the location, and some signs are about safety rules and
restrictions. can do in the message. Identifying and recognizing road signs is an
important practice because it helps the new driver to find the way. We are able
to solve these problems through the road sign detection program we created in
python. In this program, in the following model, each pixel in the binary matrix
is 8 bits, so instead of converting their values to 0 and 1, they can be converted
to values between 0 and 255. In this way, 128x128 pixel images are converted
into binary matrices, and these matrices are prepared for high-level data
acquisition models, for example, the CNN model.
Kirish
Mavzuning
dolzarbligi.
Avtomobil
yo'l
belgilarini
o'gohlantiruvchi
ma'lumotlar bazasini shakllantirishning bir necha qadamli algoritmi mavjud. Bu
algoritmlarning asosiy vazifasi avtomobillarni tanib olish, yo'l belgilarini aniqlash va
ma'lumotlarni bazaga yozib olishdir. Quyidagi qadamli algoritma bu vazifalarni
bajarish uchun bir variant hisoblanadi:
Avtomobillar ustida ob'ektlarni aniqlash, yo'l belgilarini aniqlash, ma'lumotlarni
bazaga yozish, ma'lumotlarni yangilash.
Shu algoritma asosida avtomobil yo'l belgilarini o'gohlantiruvchi ma'lumotlar
bazasini shakllantirish mumkin. Bu, avtomobillar ustida ob'ektlarni aniqlash, yo'l
belgilarini aniqlash va ma'lumotlarni bazaga yozish jarayonlarini o'z ichiga olgan
algoritmadir. Barcha qadamlar o'zaro bog'liq va boshqa masalalarga moslashtirish
mumkin
Tadqiqot metodi
. Yo'l belgilarini aniqlash algoritmiga tadqiqot metodi, yo'llar
ustida harakat qiluvchi transport vositalarini yoki shaxslarni kuzatishda
foydalaniladigan bir qator sensorlarning ma'lumotlaridan foydalanadi [1]. Bu sensorlar
ko'p turli xil turlarda bo'lishi mumkin, masalan, GPS, kamera, ultrasensorlar va “yo’l
belgilarini aniqlash dasturi” lardan foydalangan holda amalga oshiriladi [2].
Yo'l belgilarini aniqlash uchun foydalaniladigan sensorlarn to'plamini
tayyorlash. Bu qadamda, yo'l belgilarining aniqlanishi uchun kerakli kamera va
sensorlar tizimi to'plami tanlanadi, va ularga kerakli sozlashlar beriladi [3].
104
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
Kamera va sensorlar yordamida ma'lumotlarni to'plash. Bu qadamda, tanlangan
kamera va sensorlar yordamida transport vositalari yoki shaxslar tomonidan yo'l ustida
kuzatiladigan ma'lumotlar to'plamiga ega bo'lishi lozim. Ma'lumotlar odatda, yo'l
belgilarining koordinatalari, transport vositalarining tezligi, o'tish yo'nalishi va boshqa
ko'rsatkichlardan iborat bo'ladi[4].
Ma'lumotlarni tahlil qilish. Bu qadamda, to'plangan ma'lumotlar tahlil qilinadi
va o'zaro bog'liq bo'lgan ma'lumotlar birlashtiriladi. Bunda, yo'l belgilarining
ko'rsatkichlari bilan transport vositalari yoki shaxslarning ko'rsatkichlari taqqoslanadi
va yo'l belgilari aniqlanadi[5].
Yo'l belgilarini aniqlash. Bu qadamda, tahlil qilingan ma'lumotlar yordamida
yo'l belgilarining koordinatalari aniqlanadi va ularga mos holda ko'rsatkichlar
qo'yiladi.
Yo'l belgilari va ko'rsatkichlarni vizualizatsiya qilish. Bu qadamda, aniqlangan
yo'l belgilari va ko'rsatkichlar vizualizatsiya qilingan va foydalanuvchiga ko'rsatiladi.
Tadqiqot metodi yordamida aniqlangan yo'l belgilari va ko'rsatkichlar
xatoliklarga to'g'ri kelishi va yo'l aniqlashning aniqligi ko'payishi mumkin. Ushbu
metoddan foydalanish, avtomobil, harakatining qatnovini tartibga solishga imkon
yaratdi[7].
Asosiy qism
Tadqiqot natija
. Yo'l belgilarini tanib olish tizimi haydovchining texnik
transport vositasini va yo'lni doimiy ravishda kuzatib turadigan dastur tizimini yaratish
haydovchini yo’l harakati qoidalarini hamda yo’l belgilarini tushunib ularga rioya
qilish haydovchiga yo’lda bo’adigan har qanday xavfli bo'lgan qarorlar to'g'risida o'z
vaqtida xabar berish, yo'l harakati holatlarini oldini olishga yordam beradi[1]. Yo'l
belgilarini aniqlash va tanib olish yo'l harakati qoidalari va tartibga solish bo'yicha
xabardorlik, piyodalarning xabardorligi va boshqalar uchun keng qo'llaniladi. Boshqa
tomondan, yo'l belgilarini aniqlash va tanib ma’lumotlar bazasiga kiritib borish orali
haydovchi o’zi yo’l qo’yadigan xatolarini ko’rish va bu xatolarga rioya qilishga imkon
yaratadi[2].
1-rasm. Dasturing umumiy interfeysi.
Quyida 1-rasmda keltirilgan dasturda yo’l belgilarini nazorat qiluvchi dasturning
umumiy interfeysi quyidagicha bo’lib ular quyidagilarni o’z ichiga oladi.
105
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
❖
Ro’yxatga olish – haydovchilarni o’rnatigan dasturga bazasiga kiritiladi bunda
ro’yxatdan o’tgan haydovchiga quyidagilar imkonini yaratadi:
1-
Yo’ldagi belgilarni generatsiya qilib har bir belgini bazaga tushurib borish
2-
Yo’l belgilarga mos tezligini solishtirib borish orqali avtomobil tezligini
nazoratga olish
3-
YHQga rioya qilinmagan har bir yo’lbelgidagi jarimalari bilan bazaga
ko’rsatib boorish
2-rasm. Ma’lumotlar bazi interfeysi.
❖
Generatsiya qilish(3-rasm) – yo’l belgilarini ma’lumotlar bazasiga olingan
fotolarni identifikatsiya qilinadi va bu identifikatsiya qilingan fotolar
malumotlar bazsiga yuboriladi, yuborilgan fotolar ish holatida bo’ladi. Har bir
yangi belgi kiritilganida generatsiya qilish talab qilindadi, generatsiya
qilinmagan fotolar ma’lumotlat bazasiga yuborilmaydi.
3-rasm. Generatsiya qilish interfeysi.
106
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
❖
Belgilarni ko’rish - bazaga joylashtirilgan rasmlarni umumiy ko’rish va
ko’rilgan rasmlarni tahrirlash imkoniyatini berishdan iborat
Belgilarni aniqlash (4-rasm) - Yo'lda uchrashish kerak bo'lgan barcha yo’l
belgilarini ogohlantirishining ahamiyati juda muhum. Yo'l belgilarini aniqlash va
tasniflash dasturini ishlab chiqishning asosiy maqsadi haydovchilar duch keladigan
yo’l belgilarini to'g'ri aniqlashdan iborat bo'ladi[3]. Keyinchalik bu ma'lumot
yangilanish va qayta ishlash uchun markaziy ma'lumotlar bazasiga saqalanib
boriladi.Ushbu yo'l belgilarini aniqlash dasturi xar hil yo’llar bilan yo’l belgilarini
aniqlash bir qancha sabablarga ko’ra qiyinchiliklarga ega: asosan avtomobilning tezligi
va yorug'lik sharoitlari, avtomobil o'tish vaqtida aniqlashni sekinroq yoki kamroq
aniqlash mumkin va shuningdek, har bir tasvirni olish va qayta ishlash tezligi apparat
va shu maqsadda ishlab chiqilgan algoritmlar tomonidan berilgan murakkablik
darajasiga bog'liq.
Haydovchiga yo'l belgilari bo'yicha muntazam ravishda ogohlantirish zarurati,
asosan, haydovchilarga yo'l harakati qoidalari va belgilarini hurmat qilishlariga
yordam berishning asosiy vazifasidir. Haydovchining xabardorligini oshirishga va
uning
avtomobilidagi
vazifalarni
avtomatlashtirishga
yordam
beradigan
texnologiyalardir[4].
4-
rasm. Yo’l belgilarni aniqlash interfeysi.
Ushbu murakkab va juda zamonaviy avtomobil xavfsizligi tizimlari
avtomobilsozlik va IT-sanoatlaridan keng foydalanilsa haydovchi, yo’lovchi, hamda
yo’ldagi harakatlanayotgan piodalarning hayotini saqlab qolish imkoniyatini beradi[5].
107
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
5-rasm. Dastur obektining ishlash jarayoni.
128x128 piksellik rasmlarni ikkilik matritsalarga aylantirishning asosiy
maqsadi, rasmlarning piksellerining intensivligi (o'q atrofida 0 dan 255 gacha
qiymatlarda bo'lgan sonlar)ga qarab ularni raqamli qiymatlarga (0 yoki 1)
aylantirishdir. Bu, rasmlarning kompyuterlar tomonidan o'qilishi vaqti osonlashtiriladi
va shunchaki ularni kiritish uchun tayyor qiladi.
Matritsa, ikkilik matrits (binary matrix) deb ham ataladi va unda faqat 0 va 1
sonlari ishlatiladi. Bunday matritsalarga aylantirish jarayoni, har bir rasmni 128 x 128
pikselga bo'lib, har bir pikselga (yo'nalishga) mos keladigan qiymatning 0 yoki 1 ga
aylantirilishi bilan amalga oshiriladi. Bunda, misol uchun, agar bir pikselning
intensivligi 100 dan yuqori bo'lsa, uning qiymati 1 ga aylantiriladi, aks holda 0 ga
aylantiriladi. Shuningdek, ikkilik matritsalarda har bir piksel 8 bitga teng keladi,
shuning uchun ham ularning qiymatlarini 0 va 1 ga aylantirishning o'rniga 0 va 255
gacha qiymatlarga aylantirish mumkin. Shu tartibda, 128x128 piksellik rasmlar ikkilik
matritsalarga aylantirilib, ushbu matritslar yuqori darajali ma'lumot olish modellari,
masalan, CNN modeli uchun tayyorlanadi[6].
Yo'l belgilarni tanib olish dasturi va algoritmi kompyuterda ko'rish sohasida
qo'llaniladigan texnologiyalar majmuasidir. Ushbu texnologiyalar tasvirni qayta
ishlash, sun'iy intellekt, mashinani o'rganish va chuqur o'rganish kabi sohalarni
birlashtirib, muayyan ob'ektlar, yuzlar yoki boshqa tasvir xususiyatlarini aniqlash
uchun ishlatiladi. Ushbu texnologiyalarni amalga oshirish uchun bir qator
algoritmlardan foydalaniladi. Masalan, "Konvolyutsion neyron tarmog'i" (CNN)
algoritmi ma'lum xususiyatlarni tanib olish uchun ishlatiladi. "Haar Cascade
Classifier" algoritmi yuzni aniqlash kabi ilovalarda tez-tez ishlatiladi.Yo'l belgilarini
aniqlash dasturiga bir nechta misollar:
108
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
➢
Tesseract OCR: Bu Google tomonidan ishlab chiqilgan optik belgilarni aniqlash
(OCR) dvigatelidir. Tesseract turli tillardagi hujjatlarni taniy oladi va matnli fayllar
yoki tuzilgan ma'lumotlarni chiqish sifatida taqdim etadi.
➢
OpenCV: Bu ochiq manbali tasvirni manipulyatsiya qilish kutubxonasi va
Python, C++ va Java kabi tillarda foydalanish mumkin. OpenCV ob'ektni aniqlash,
yuzni aniqlash, harakatni aniqlash va boshqa ko'plab tasvirlarni qayta ishlash
funktsiyalarini ta'minlaydi.
➢
YOLO (Siz faqat bir marta qaraysiz): Bu ob'ektni tez aniqlash algoritmi va real
vaqtda ob'ektlarni aniqlay oladi. YOLO og'ir chuqur o'rganish algoritmlaridan
foydalanadi va CPU va GPU'larda ishlashi mumkin.
Yo'l belgilarini tanib olish uchun ishlatiladigan algoritm odatda konvolyutsion
neyron tarmoq (CNN) algoritmidir. Quyida umumiy yo‘l xaritasi keltirilgan:
Ma'lumotlar yig'ish: yo'l hujjatlari bilan tasvirlarni to'plash va etiketlash.
Ma'lumotlarni oldindan qayta ishlash: ma'lumotlar hajmini tahrirlash va ranglar
shkalasini normallashtirish kabi operatsiyalar bajariladi.
Ma'lumotlarni taqsimlash: Ma'lumotlar o'quv va sinov ma'lumotlariga bo'linadi
[7].
Chuqur o'rganish modeli dizayni: CNN modeli ishlab chiqilgan va o'qitilgan.
CNN odatda bir nechta konvolyutsiya qatlamlaridan, birlashtiruvchi qatlamlardan va
to'liq bog'langan qatlamlardan iborat.
Modelli trening: Model trening ma'lumotlaridan foydalangan holda o'qitiladi.
Model sinovi: Model test ma'lumotlari yordamida sinovdan o'tkaziladi.
Modelning aniqligi o'lchanadi.
Modelni sozlash: Agar modelning ishlashi yomon bo'lsa, giperparametrlar
(masalan, o'rganish tezligi, davrlar soni va boshqalar) o'rnatiladi.
Natijalarni talqin qilish: Modelning aniqligi va noto'g'ri tasniflash tezligi
baholanadi. Agar kerak bo'lsa, qo'shimcha ma'lumotlarni yig'ish va o'qitish amalga
oshiriladi. Ushbu bosqichlardan so'ng yo'l hujjatini aniqlash modeli muvaffaqiyatli
ishlab chiqildi.
Yo'l belgilarini tanib olish tizimida birinchi marta bitta kirish tasviridan bir
nechta xususiyatlarni chiqarib olish uchun mustahkam maxsus xususiyatlarni chiqarish
usuli joriy etildi[8]. Ushbu mustahkam maxsus xususiyatlarni ajratib olish jarayonlari
o'lchovdan mustaqil usulga asoslangan va yo'l belgilari uchun 278 xususiyatga
ega. Dastlab, 128 dan 128 pikselgacha bo'lgan ikkilik rasm 128 dan 128 gacha bo'lgan
ikkilik matritsaga aylantiriladi. Jami piksel qiymati 128 dan 128 gacha = 16384
pikseldir. "A" matritsasi (3) tenglamada ko'rsatilgan 128 dan 128
gacha bo'lgan
ikkilik
matritsani ifodalaydi, bu erda
m
= 128 va
n
= 128.
109
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
6-rasm. Dastur ob’ektining ishlash jarayoni.
𝐴 = [
𝑎
11
𝑎
12
⋯ ⋯ 𝑎
1𝑛
𝑎
21
𝑎
22
⋯ ⋯ 𝑎
2𝑛
⋮ ⋮ ⋱ ⋮
𝑎
𝑚1
𝑎
𝑚2
⋯ ⋯ 𝑎
𝑚𝑛
]
(1)
Haqiqiy piksellar - bu tenglama (2) yordamida barcha oq piksellarning yig'indisi:
ℎ𝑎𝑞𝑖𝑞𝑖𝑦 𝑝𝑖𝑘𝑠𝑒𝑙 = ∑ ∑ 𝐴
𝑚𝑛
(2)
128
𝑛=1
128
𝑚=1
Endi, bu asl A matritsa (3) tenglama bo'yicha S = 4-dan-4
gacha
bo'lgan
matritsaga bo'linadi, bu erda 1≤
m-
4 va 1≤
n-
4 va ko'rsatilgan. Ushbu 4-dan 4
tagacha matritsali piksel qiymati keyingi ishlov berish uchun tizim ma'lumotlar
bazasida saqlanishi kerak.
𝑆 = [
𝑠
11
𝑠
12
⋯ ⋯ 𝑠
1𝑛
𝑠
21
𝑠
22
⋯ ⋯ 𝑠
2𝑛
⋮ ⋮ ⋱ ⋮
𝑠
𝑚1
𝑠
𝑚2
⋯ ⋯ 𝑠
𝑚𝑛
]
(3)
𝑆
11
= ∑ ∑ 𝐴
𝑚𝑛
32
𝑛=1
32
𝑚=1
𝑆
12
= ∑ ∑ 𝐴
𝑚𝑛
64
𝑛=33
32
𝑚=1
𝑆
13
= ∑ ∑ 𝐴
𝑚𝑛
96
𝑛=65
32
𝑚=1
𝑆
14
= ∑ ∑ 𝐴
𝑚𝑛
128
𝑛=97
32
𝑚=1
𝑆
21
= ∑ ∑ 𝐴
𝑚𝑛
32
𝑛=1
64
𝑚=33
𝑆
22
= ∑ ∑ 𝐴
𝑚𝑛
64
𝑛=33
64
𝑚=33
𝑆
23
= ∑ ∑ 𝐴
𝑚𝑛
96
𝑛=65
64
𝑚=33
𝑆
24
= ∑ ∑ 𝐴
𝑚𝑛
128
𝑛=97
64
𝑚=33
110
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
𝑆
31
= ∑ ∑ 𝐴
𝑚𝑛
32
𝑛=1
96
𝑚=65
𝑆
32
= ∑ ∑ 𝐴
𝑚𝑛
64
𝑛=33
64
𝑚=65
𝑆
23
= ∑ ∑ 𝐴
𝑚𝑛
96
𝑛=65
64
𝑚=65
𝑆
24
= ∑ ∑ 𝐴
𝑚𝑛
128
𝑛=97
64
𝑚=65
𝑆
41
= ∑ ∑ 𝐴
𝑚𝑛
32
𝑛=1
96
𝑚=97
𝑆
32
= ∑ ∑ 𝐴
𝑚𝑛
64
𝑛=33
64
𝑚=97
𝑆
23
= ∑ ∑ 𝐴
𝑚𝑛
96
𝑛=65
64
𝑚=97
𝑆
24
= ∑ ∑ 𝐴
𝑚𝑛
128
𝑛=97
64
𝑚=97
Maxsus xususiyatlarni chiqarish 128x128 ikkilik matritsani bir nechta
submatritsalarga bo'lish orqali amalga oshiriladi. Yo'l belgilari 4-rasmda ko'rsatilgan
yuqori, pastki, chap tomoni, o'ng tomoni, yuqori chap tomoni, yuqori o'ng tomoni,
pastki chap tomoni, pastki o'ng tomoni, to'rtta ustun tomoni va to'rt qatorli tomoni kabi
bir nechta maydonlarga bo'linadi. Keyin xususiyatni ajratib olish algoritmi ushbu
sohadagi barcha mavjud oq piksel qiymatlarini hisoblab chiqadi
Masalan, agar rasm foydalanuvchi kiritishini bildirgan bo'lsa, shu rasmning
"JPEG" yoki "PNG" formatda saqlanishi mumkin. Shu rasmni bir matritsga aylantirish
uchun, matritsning har bir elementining qiymati, mos pikselning rangini ifodalaydi. Bu
holatda, har bir pikselning rangini 0 dan 255 gacha bo'lgan o'nlik sonlar bilan ifodalash
mumkin. Ya'ni, har bir pikselni 8 bitlik (1 baytlik) o'nlik son bilan ifodalaydi.
Shunday qilib, rasmni matritska aylantirishning asosiy qadamlari quyidagilardir:
1.
Rasmni yuklab oling.
2.
Rasmni matritsga aylantirish uchun mos piksellarni aniqlang.
3.
Har bir pikselni mos qiymatga ega bo'lgan ikkilik (binary) ko'rinishga
aylantiring.
4.
Matritsni saqlang.
Shu tarzda, 128x128 piksellik bir rasm, 128x128 o'lchamli ikkilik matrits sifatida
ifodalash mumkin. Bu tizim, yo'l belgilarini tanib olish va unga rioya qilishga yordam
berishga qodir bo'lgan avtomatik kuzatuvchi tizimdir. Bu tizim, haydovchining texnik
transport vositasini va yo'lni doimiy ravishda kuzatib turishga yordam beradi. Tizim,
yo'l harakati qoidalarini hamda yo'l belgilarini tushunib ularga rioya qilishni o'rgatadi.
Bu, haydovchiga yo'l harakatlarini mustahkamaytirish va xavfli yo'lda bo'lgan
qarorlarni o'z vaqtida xabar qilishga yordam beradi[9]. Tizim, yo'l harakati holatlarini
oldini olishda yordam beradi, shunda haydovchiyo'l harakati holatlariga tezda va
samarali javob berishi mumkin. Bunday tizimlar, yo'l harakati nazoratini yanada
yaxshilash, trafik yo'qolishini kamaytirish va yo'l xavfsizligini oshirish uchun katta
ahamiyatga ega.
111
TADBIRKORLIK VA PEDAGOGIKA. ILMIY-USLUBIY JURNAL. ISSN: 2181-2659. [1/2023].
Xulosa
Xulosa qilib aytganda yo'l belgilarini aniqlash algoritmi, biz yaratgan dastur
platformalarida o'zgaruvchanlik va muhimlik darajasini yuksaltish uchun amalga
oshirilgan bir qator optimallashtirish va optimizatsiya jarayonlarini ham o'z ichiga
oladi. Bu jarayonlar, qo'shimcha ma'lumotlar olish, ma'lumotlarni filtirlash,
to'plamlash va o'zlashtirish, yo'l belgilari uchun optimallashtirilgan eng mos yo'l
variantlarini aniqlash hamda yo’l belgilarini nazortga olish orqali haydovchilarga
avtomabilni haydashda qiyinchiliksiz boshqarish imkonini beradi va haydovchining
manzilini manziliga sog’ salomat yetib kelishiga imkon beradi.
Yo'l belgilarini aniqlash algoritmi, avtomatik mashinlar va robotlar tomonidan
ishlatiladigan yurish va navigatsiya jarayonlarida ham keng tarqalgan. Ushbu yaratgan
dasturimizning imkoniyati barcha avtomobillarga mini kamera qo’yish orqali o’zining
smartfonlariga yuklagan holda foydalanish imkonini beradi. Biz yaratgan
dasturimizning haydovchi va piodalarning harakatlanish jarayonida ularga shikast
yetmasdan o’z manziliga yetkazishdir.
Foydalanilgan adabiyotlar:
1.
Odilov, N., & Muxtorov, A. (2022). Avtomobillar harakatini xavfsiz tashkil etishda
GPS tizimlaridan foydalanish samaradorligi. Academic research in educational
sciences, 3(2), 298-303.
2.
O‘G, M. U. B. B., & O‘G‘Li, S. A. I. (2022). Avtomobillar xarakat xavfsizligiga
faol ta’sir qiluvchi ekspluatatsiyaviy ko ‘rsatkichlari. Механика и технология,
(Спецвыпуск 2), 123-128.
3.
Gaffarov, M. (2023). O ‘Zbekistonda Transport Oqimini Tartibga Solish. Yo ‘L
Harakati Xavfsizligini Ta’minlash Va Tirbandlikni Oldini Olish. Евразийский
Журнал Технологий И Инноваций, 1(2), 70-74.
4.
Tursunboyev, F. (2022). Avtomobil Yo’llarda Piyodalar Harakat Havfsizligini
Ta’minlashning Zamonaviy Yechimlari. Science And Innovation, 1(A8), 548-559.
5.
Ziyatovich, M. F., & Islom o'g'li, X. S. (2023). Sun'iy intellekt va uning ta'lim
sohasiga alohida murojaat qilgan holda turli sohalardagi qamrovi. Образование
наука и инновационные идеи в мире, 16(3), 16-19.
6.
Мамажанов, Р. Я., & Хайдаров, Ш. И. (2022). РАЗРАБОТКА Платформы
Инновационного Подхода При Подготовке Научных Статей На
Международном Уровне. Central Asian Journal Of Mathematical Theory And
Computer Sciences,
7.
Мамажанов, Р., & Хайдаров, Ш. (2022). Цифровая Экономика В Повышении
Экономики И Влияния Вузов Расположение В Центре. Central Asian Journal
Of Mathematical Theory And Computer Sciences, 3(12), 270-275.
