Электронный каталог Фундаментальной
библиотеки ФГБОУ ВО МГППУ

Электронный ресурс

Лаптева, Елизавета Сергеевна.
Создание системы распознавания объектов/жестов/звуков с использованием Teachable Machine для решения практических задач : выпускная квалификационная работа : Бакалаврская работа / Елизавета Сергеевна Лаптева. – Москва : Московский государственный психолого-педагогический университет, 2025. – 43 с. – URL: http://psychlib.ru/inc/absid.php?absid=504776 . – 02.03.03 - Математическое обеспечение и администрирование информационных систем. Направленность программы "Информационные системы и базы данных".

Выпускная квалификационная работа посвящена разработке мобильного приложения, реализующего классификацию цветов на изображениях с использованием модели, обученной в визуальной среде Teachable Machine. Актуальность проекта обусловлена необходимостью создания доступных инструментов анализа визуальных данных, применимых в образовании, дизайне и других прикладных областях. Для достижения цели были использованы методы компьютерного зрения и машинного обучения. Реализован алгоритм выделения доминирующих цветов на изображении с последующей их классификацией. Обработка изображений выполняется средствами Python, визуализация и управление реализованы на платформе Flutter, обмен данными между модулями осуществляется в формате JSON. В работе использован метод кластеризации KMeans для предварительного анализа, а модель классификатора обучена с использованием Teachable Machine без необходимости ручного программирования. Разработанное приложение дополнено интерактивным обучающим режимом, позволяющим пользователю понять, как именно происходит обработка и классификация цвета. Результаты тестирования подтвердили корректность работы алгоритма и удобство пользовательского интерфейса. Практическая значимость заключается в возможности применения приложения для образовательных целей и в креативной среде. Ключевые слова: Teachable Machine, мобильное приложение, классификация цветов, компьютерное зрение, интерактивное обучение, Flutter, Phyton.
The final qualifying work is devoted to the development of a mobile application that implements the classification of colors in images using a model trained in a Teachable Machine visual environment. The relevance of the project is due to the need to create accessible visual data analysis tools applicable in education, design and other applied fields. Computer vision and machine learning methods were used to achieve this goal . An algorithm for selecting dominant colors in an image with their subsequent classification is implemented. Image processing It is executed using Python tools, visualization and management are implemented on the Flutter platform, and data is exchanged between modules in JSON format. The KMeans clustering method is used for preliminary analysis, and the classifier model is trained using a Teachable Machine without the need for manual programming. The developed application is complemented by an interactive learning mode that allows the user to understand exactly how the processing takes place. and color classification. The test results confirmed the correctness the algorithm works and the user interface is convenient. The practical significance lies in the possibility of using the application for educational purposes and in a creative environment. Keywords: Teachable Machine, mobile application, color classification, computer vision, interactive learning, Flutter, Phyton.


Общий = Математика
Общий = Информатика, вычислительная техника