Використання методів генеративного глибинного навчання для сегментації зображень хроматограм у аналітичних дослідженнях

Abstract

Дипломна робота присвячена розробці методу автоматичної сегментації зображень тонкошарової хроматографії (ТШХ) із використанням генеративних нейронних мереж. Об'єктом дослідження є процес обробки зображень тонкошарової хроматографії. Предметом дослідження є методи та алгоритми їхньої сегментації за допомогою моделей GAN (Pix2Pix) та VAE. Мета роботи полягає у створенні й аналізі ефективності генеративних моделей для сегментації ТШХ-зображень. Виконано: (1) аналіз особливостей отримання й обробки даних; (2) вивчення принципів Pix2Pix і VAE та їх адаптація; (3) розробка експериментальної методики; (4) експерименти з оцінкою точності (IoU) й порівнянням з іншими підходами. Перший розділ обґрунтовує актуальність і формулює мету, описує методи ТШХ, лабораторне обладнання та аналіз сучасних моделей сегментації. Другий розділ подає огляд літератури, зокрема принципів роботи GAN і VAE та прикладів їх застосування. Третій описує реалізацію системи: архітектури Pix2Pix (з U-Net-генератором і PatchGAN-дискримінатором), VAE, характеристики даних і обробку. Четвертий розділ присвячений експериментам, результатам сегментації, прикладам отриманих масок і розрахункам (IoU, точність), де підтверджено високу ефективність GAN і VAE. Висновки узагальнюють результати, підкреслюючи, що розроблений алгоритм прискорює аналіз хроматографічних досліджень, автоматизує сегментацію та підвищує об'єктивність.