Информационно - коммуникационные и химические технологии

Том_ 2 № 27 (2025) / 2025-06-28 / Кол. просмотров: 217

РАЗРАБОТКА СИСТЕМЫ РАСПОЗНАВАНИЯ ЭМОЦИОНАЛЬНОГО СО-СТОЯНИЯ СОТРУДНИКОВ С ПРИМЕНЕНИЕМ КОМПЬЮТЕРНОГО ЗРЕНИЯ НА RASPBERRY PI

Авторы

ЕНУ им. Л.Н.Гумилева
https://orcid.org/0000-0002-5318-9850
ЕНУ им. Л.Н.Гумилева
https://orcid.org/0009-0001-7653-9198
ЕНУ им. Л.Н.Гумилева
https://orcid.org/0000-0002-0259-774X

Ключевые слова

распознавание эмоционального состояния, компьютерное зрение, Raspberry Pi, глубокое обучение, сверточные нейронные сети

DOI ссылка:

https://doi.org/10.58805/kazutb.v.2.27-920

Как цитировать

Есенгалиева, Ж., и др. «РАЗРАБОТКА СИСТЕМЫ РАСПОЗНАВАНИЯ ЭМОЦИОНАЛЬНОГО СО-СТОЯНИЯ СОТРУДНИКОВ С ПРИМЕНЕНИЕМ КОМПЬЮТЕРНОГО ЗРЕНИЯ НА RASPBERRY PI». Вестник КазУТБ, т. 2, вып. 27, июнь 2025 г., doi:10.58805/kazutb.v.2.27-920.

Аннотация

В данной статье рассматривается разработка системы распознавания эмоционального состояния сотрудников с использованием методов компьютерного зрения и искусственного интеллекта на платформе Raspberry Pi. Авторами проведен библиографический обзор по теме распознавания образов на основе конволюционных нейронных сетей. Исследована глубокая нейронная сеть FaceNet, которая преобразует изображения лиц в компактные вложения (векторы признаков), что позволяет эффективно выполнять задачи распознавания лиц, проверки личности и кластеризации. Предлагаемая система интегрирует алгоритмы распознавания лиц и анализа эмоций для мониторинга психоэмоционального состояния сотрудников в реальном времени. В качестве основного инструмента для обработки изображений используется библиотека OpenCV, а для анализа эмоций – модель DeepFace. По данному исследованию проведен библиографический обзор глубоких нейронных сетей, сверточных нейронных сетей, изучена архитектура модели Facenet. Реализация на Raspberry Pi обеспечивает компактность и автономность работы системы, что делает её удобной для применения в различных рабочих средах. Проведён анализ точности алгоритмов в условиях ограниченных вычислительных ресурсов, а также рассмотрены возможные способы оптимизации производительности. Полученные результаты демонстрируют возможность эффективного распознавания эмоций в реальном времени, что может быть использовано для повышения комфорта и продуктивности сотрудников.