Development of neural network methods and mobile tools for assessing the quality of interior finishing works

Abstract

Данное исследование посвящено разработке и тестированию нейросетевых методов и мобильных инструментов для оценки качества отделочных работ на основе изображений интерьеров квартир. В работе использованы современные архитектуры сверточных нейронных сетей (CNN), такие как MobileNetV2, NASNetMobile, ResNet50, EfficientNetB7 и VGG19, а также собственная модель. Для сбора данных был разработан веб-краулер, который автоматически собирал изображения интерьеров с платформы объявлений Авито. Собранные данные были очищены и предобработаны для последующего использования в обучении моделей. Обзор литературы включает анализ существующих методов оценки качества отделочных работ, принципы работы нейросетевых методов в обработке изображений и использование мобильных приложений для оценки качества строительных и отделочных работ. Это позволяет понять контекст и значимость предложенного подхода. Разработанное мобильное приложение на базе Flutter интегрирует обученную модель для оценки качества отделочных работ и предоставляет удобный пользовательский интерфейс. Приложение тестировалось на различных устройствах, включая эмуляторы и реальные устройства, что подтвердило его высокую производительность и точность. Результаты исследования показали, что модель MobileNetV2 продемонстрировала наилучшие результаты по сравнению с другими архитектурами, обеспечивая высокую точность и производительность на мобильных устройствах. Приложение может быть использовано на платформах объявлений в категории недвижимости, что позволяет автоматизировать процесс оценки качества отделочных работ и улучшить качество предоставляемых услуг. В будущем разработанные методы могут быть адаптированы для других категорий объявлений, таких как автомобили, бытовая техника и мебель, что открывает новые перспективы для автоматизации и улучшения пользовательского опыта. Исследование подчеркивает значимость использования нейросетевых методов для автоматизации оценки качества отделочных работ и демонстрирует потенциал их применения в реальных условиях.

This research focuses on the development and testing of neural network methods and mobile tools for assessing the quality of finishing works based on images of apartment interiors. State-of-the-art convolutional neural network (CNN) architectures, such as MobileNetV2, NASNetMobile, ResNet50, EfficientNetB7, VGG19, and a custom model, were utilized. A web crawler was developed to automatically collect images from the Avito classifieds platform. The collected data was cleaned and preprocessed for model training. The literature review includes an analysis of existing methods for evaluating the quality of finishing works, the principles of neural network methods in image processing, and the use of mobile applications for assessing the quality of construction and finishing works. The developed mobile application, based on Flutter, integrates the trained model to evaluate the quality of finishing works and provides a user-friendly interface. The application was tested on various devices, including emulators and a real Android device, confirming its high performance and accuracy. Results showed that the MobileNetV2 model achieved the best performance, providing high accuracy and efficiency on mobile devices. The application can be used on classifieds platforms in the real estate category to automate the assessment process and improve service quality. In the future, the developed methods can be adapted for other categories, such as automobiles and household appliances.

This study highlights the significance of using neural network methods to automate the quality assessment of finishing works and demonstrates their potential application in real-world scenarios.