В связи с необходимостью применения высокопроизводительного графического ускорителя, для выполнения модульных и интеграционных тестов необходимо запускать проекты на компьютере, удовлетворяющем выдвинутым техническим требованиям.
<h1id="tests">Модульные и интеграционные тесты и практические задачи</h1>
Для демонстрации работы необходимо установить открытые библиотеки компьютерного зрения OpenCV 4.5 и OpenPose 1.7. Далее необходимо собрать комплексный проект тестов и задач (https://github.com/dyaivanov/strongaiva/StrongAIVideoAnalysis.pro) программных модулей компонента анализа видеопоследовательностей с использованием Qt Creator (4.12.3, основан на Qt 5.11.0). При успешной сборке должны появится исполняемые файлы в директории .../strongaiva/releases в соответствующих поддиректориях по названию тестов. Далее необходимо произвести запуск автоматической проверки всех тестов, проверка показывает, что ошибок нет, успешное выполнение всех тестов показано на рисунке ниже.
Для демонстрации работы необходимо установить открытые библиотеки компьютерного зрения OpenCV 4.5 и OpenPose 1.7. Далее необходимо собрать комплексный проект тестов и задач (../strongaiva/StrongAIVideoAnalysis.pro) программных модулей компонента анализа видеопоследовательностей с использованием Qt Creator (4.12.3, основан на Qt 5.11.0). При успешной сборке должны появится исполняемые файлы в директории .../strongaiva/releases в соответствующих поддиректориях по названию тестов. Далее необходимо произвести запуск автоматической проверки всех тестов, проверка показывает, что ошибок нет, успешное выполнение всех тестов показано на рисунке ниже.
Модульные и интеграционные тесты составлены для демонстрации всех основных возможностей программной библиотеки сильного ИИ и являются контрольными примерами. На вход примеров отправляются данные (изображения) содержащиеся в директории https://github.com/dyaivanov/strongaiva/inputdata/. Далее рассмотрены выходные значения – входные изображения с наложенной цветографической информацией о выполнении контрольных примеров.
Модульные и интеграционные тесты составлены для демонстрации всех основных возможностей программной библиотеки сильного ИИ и являются контрольными примерами. На вход примеров отправляются данные (изображения) содержащиеся в директории ../strongaiva/inputdata/. Далее рассмотрены выходные значения – входные изображения с наложенной цветографической информацией о выполнении контрольных примеров.
Демонстрация работы детектора первичных признаков, в частности, анализ конфигурации скелета человека. В процессе выполнения теста оператор может произвести визуальный контроль достоверного детектирования первичных признаков, в частности, анализа конфигурации скелета человека. Таких как наклон туловища, плечи подняты, руки к груди, поднятые руки, рука приближена к лицу. Результат выполнения теста “Анализ конфигурации скелета человека” показан на рисунке
...
...
@@ -167,7 +167,7 @@
<li>пример управления периферийными устройствами;</li>
<li>пример решения задачи детекции проблемных областей взаимодействия индивида и СППР.</li>
</ul>
Данные примеры подробно описаны в п.5.2. Проект задачи мониторинга и контроля эмоциональных состояний ЛПР при работе со станками находится https://github.com/dyaivanov/strongaiva/TaskMachineControlAI/TaskMachineControlAI.pro
Данные примеры подробно описаны в п.5.2. Проект задачи мониторинга и контроля эмоциональных состояний ЛПР при работе со станками находится ../strongaiva/TaskMachineControlAI/TaskMachineControlAI.pro
</p>
<b>Результаты и их содержательная интерпретация</b>
...
...
@@ -197,7 +197,7 @@
<li>пример решения задачи детекции проблемных областей взаимодействия индивида и СППР.</li>
</ul>
Проект задачи детекции проблемных областей взаимодействия СППР и оператора беспилотного летательного оператора для промышленно-геодезических работ находится в директории
<b>Результаты и их содержательная интерпретация</b>
<p>Результаты решения задачи детекции проблемных областей взаимодействия СППР и оператора беспилотного летательного оператора для промышленно-геодезических работ были продемонстрированы с использованием малогабаритного квадрокоптера, оборудованного телевизионной камерой. Оператор беспилотного летательного аппарата моделировал ситуацию недопустимого поведения при работе с данным объектом управления, в результате на основе анализа его эмоционального состояния производилась отправка команды возвращения в точку старта.</p>
