Программа представляет собой работу над проектом по оптической тематике в составе молодежной научной группы. Программа направлена на формирование инженерных и исследовательских навыков, развитие системного и аналитического мышления, логики и математических способностей, поддерживает и углубляет базовые знания по физике, математике и информационным технологиям. Школьники погружаются в выполнение научно-исследовательских и инженерных проектов, где выступят в роли исследователей и инженеров. Особенностью программы является работа с нейронными сетями и искусственным интеллектом.
Во время обучения школьники приобретают навыки проведения оптических измерений, познакомятся с оптическими элементами и приборами, основами программирования и принципами организации нейронных сетей.
Содержание программы
Модуль 1. Исследовательские проекты
1.1 Автоматизированное обнаружение объектов на основе методов компьютерного зрения
Теория. Методы исследования облачности; автоматизированные системы обнаружения; архитектура нейронной сети, светрочные нейронные сети
Практика. Проведение литературного обзора по теме; создание набора специально подготовленных фотографий (AllSky-изображениях) то есть датасет; выделение контуров облаков с помощью программы CVAT; настройка нейросети типа YOLO для нахождения облаков на изображениях в редакторе VS Code; проверка на новых AllSky-изображениях; сравнение результатов, полученных в рамках детекции и сегментации
1.2 Исследование Yolov8 на возможность распознавания зоопланктона на голограмме
Теория. Основы цифровой голографии; методы компьютерного зрения принципы работы цифровой голографической камеры, принципы формирования голографических изображений
Практика. Проведение литературного обзора по теме; анализ цифровых голограмм, полученных в лабораторных условиях, определение оптимальной плоскости фокусировки (то есть выбор сечения, в котором объекты на голограмме наиболее чётко визуализируются); ручная разметка изображений (определение контуров объектов, выделение их на изображении и присваивание меток); обучение нейросетевой модели Yolov8; использование обученной модели для автоматического распознавания зоопланктона на новых голографических изображениях
1.3 Алгоритм и программная система отслеживания объектов в видеопотоке
Теория. Введение в компьютерное зрение; язык программирования Python; функции OpenCV для чтения и отображения изображений
Практика. Проведение литературного обзора по теме; преобразование и фильтрация изображений; о бнаружение и отслеживание объектов; реализация алгоритма на Python с использованием OpenCV; тестирование и отладка проекта
Модуль 2. Итоговый проект
Теория. Работа с различными типами информации (текстовой, графической, аудио, видео). Методы статистического анализа данных, включая использование специализированного программного обеспечения (например, Excel, Python).
Практика. Планирование личной и командной работы. Формулирование проблемы и нахождение эффективных решений. Выдвижение гипотез, основанные на теоретических знаниях и предварительных исследованиях. Представление результатов своей работы в виде презентаций, отчетов и докладов. Подготовка к ответам на вопросы от экспертов и аудитории.