Л.Н. Гумилев атындағы Еуразия ұлттық университетінде философия докторы (PhD) дәрежесін алу үшін Алимбекова Назым Ахатовна «8D06104 – Есептеу техникасы және бағдарламалық қамтамасыз ету» білім беру бағдарламасы бойынша «Көпмодальды деректерге негізделген полимер өнімдерінің ластануын анықтауға арналған нейрожелілік модельдерді әзірлеу» тақырыбында диссертациясы қорғалады.
Диссертация Л.Н. Гумилев атындағы Еуразия ұлттық университетінің «Компьютерлік және программалық инженерия кафедрасы» кафедрасында орындалды.
Қорғау тілі - қазақ тілінде
Ресми рецензенттер:
Жекамбаева Майгуль Несипалдиевна – философия докторы (PhD), Автоматика және ақпараттық технологиялар институты директорының орынбасары, «Программалық инженерия» кафедрасының қауымдастырылған профессоры, Қ.И.Сәтбаев атындағы Қазақ ұлттық зерттеу техникалық университеті (Алматы, Қазақстан Республикасы);
Кумаргажанова Сауле Кумаргажановна – техника ғылымдарының кандидаты, Цифрлық технологиялар және жасанды интеллект мектебінің профессоры, Д.Серікбаев атындағы Шығыс Қазақстан мемлекеттік техникалық университеті (Өскемен, Қазақстан Республикасы).
Диссертациялық кеңестің уақытша мүшелері:
Ахмедиярова Айнұр Таңатарқызы – философия докторы (PhD), «Программалық инженерия» кафедрасының қауымдастырылған профессоры, Қ.И.Сәтбаев атындағы Қазақ ұлттық зерттеу техникалық университеті (Алматы, Қазақстан Республикасы);
Калижанова Алия Уалиевна – физика-математика ғылымдарының кандидаты, қауымдастырылған профессор, ҚР ҒЖБМ Ғылым комитетінің Ақпараттық және есептеуіш технологиялар институтының жетекші ғылыми қызметкері (Алматы қ., Қазақстан Республикасы);
Рохая Латип – философия докторы (PhD), Коммуникациялық технологиялар және желілер кафедрасының қауымдастырылған профессоры, Путра Малайзия университеті (Серданг қ., Малайзия).
Ғылыми кеңесшілері:
Жумадиллаева Айнур Канадиловна – техника ғылымдарының кандидаты, профессор, Л.Н. Гумилев атындағы Еуразия ұлттық университеті, «Компьютерлік және программалық инженерия» кафедрасының профессоры (Астана қ., Қазақстан Республикасы)
Рай Хари Мохан - философия докторы (PhD), Гачон университеті, Есептеу техникасы мектебінің ассистент профессоры (Соннам, Оңтүстік Корея).
Қорғау 2026 жылғы 25 тамыз, сағат 14:00 Л.Н. Гумилев атындағы Еуразия ұлттық университетінің «8D06104 – Есептеу техникасы және бағдарламалық қамтамасыз ету» білім беру бағдарламасы бойынша «8D061 – Ақпараттық-коммуникациялық технологиялар» кадрларды даярлау бағыты бойынша диссертациялық кеңесте өтеді. Диссертациялық кеңестің отырысы Microsoft Teams платформасында онлайн және оффлайн режимінде өтеді.
Сілтемесі: https://clck.ru/3UR9rh
Мекен-жайы: Астана қаласы, А. Пушкин көшесі, 11 үй, 2 оқу ғимараты, 222-аудитория.
Аңдатпа (қаз.): АҢДАТПА Зерттеу тақырыбының өзектілігі. Қазіргі уақытта полимер өнімдері өнеркәсіптің әртүрлі салаларында және тұрмыста кеңінен қолданылады, бұл полимер қалдықтарының көлемінің едәуір артуына әкеліп, оларды қайта өңдеу тиімділігіне қойылатын талаптарды күшейтеді. Полимер өнімдерін қайта пайдаланудың мүмкіндігін айқындайтын негізгі факторлардың бірі – олардың ластану дәрежесі, өйткені тағамдық, сүт өнімдері, химиялық немесе жанғыш заттардың қалдықтарының болуы екінші реттік шикізаттың сапасын айтарлықтай төмендетіп, қайта өңдеу кезінде технологиялық қауіп-қатерлерді арттырады. Полимер өнімдерін сұрыптаудың заманауи автоматтандырылған жүйелері негізінен оптикалық кескіндерді талдауға сүйенеді және объектілердің геометриялық және түстік сипаттамаларын тануға бағытталған. Мұндай тәсілдер пішін мен материалды сәйкестендіру міндеттерін шешуге мүмкіндік береді, алайда бұйымдардың ластануын анықтау кезінде ақпараттылығы шектеулі болып табылады. Бұл әсіресе ішкі, мөлдір немесе әлсіз байқалатын, визуалды түрде кескіндерде ажыратылмайтын ластанулар болған жағдайларда айқын көрінеді. Соның салдарынан қате классификациялау ықтималдығы артып, сұрыптау тиімділігі төмендейді және қайта өңдеуге жарамды материалдың бір бөлігі жоғалады. Спектралдық және гиперспектралдық талдау әдістері ластаушы заттардың физика-химиялық қасиеттеріне байланысты қалыптасатын спектралдық ақпаратты ескере отырып, полимерлік өнімдерінің ластану деңгейін классификациялық тұрғыдан сипаттауға мүмкіндік береді. Сонымен қатар, мұндай деректер жоғары өлшемділігімен, спектралдық арналардың өзара корреляциясымен және күрделі құрылымымен ерекшеленеді, бұл дәстүрлі талдау алгоритмдерін қолдануды едәуір шектеп, машиналық және терең оқыту әдістерін пайдалануды талап етеді. Осыған байланысты оптикалық, спектралдық және гиперспектралдық деректерді қоса алғанда, әртүрлі модальдылықтар деректері негізінде полимерлік өнімдердің күйін классификациялау арқылы ластануларды анықтауға арналған нейрондық желілік модельдерді әзірлеу, сондай-ақ әр модальдылықтың ерекшеліктерін ескеру өзекті ғылыми-практикалық міндет болып табылады. Диссертациялық зерттеудің мақсаты – оптикалық, спектралдық және гиперспектралдық деректер негізінде полимер өнімдерінің ластануын анықтауға арналған нейрондық желілік модельдерді әзірлеу және оларды эксперименттік тұрғыдан негіздеу. Зерттеудің міндеттері 1. Оптикалық, спектралдық және гиперспектралдық деректерді пайдалану арқылы полимерлік өнімдердің ластануларын анықтау және классификациялау бойынша қолданыстағы әдістерге талдау жүргізу. 2. Әртүрлі ластану түрлері бар полимер өнімдерінің кескіндерін, спектрлерін және гиперспектралдық кубтарын қамтитын эксперименттік деректер жиынтықтарын құру. 3. Әрбір модальдылық үшін деректердің алдын ала өңдеу әдістерін әзірлеп, белгілер кеңістігінің ақпараттылығын арттыру. 4. Кіріс деректердің әрбір түріне сәйкес ластануларды анықтауға арналған нейрондық желілік модельдерді әзірлеу және бейімдеу. 5. Әзірленген модельдердің тиімділігін эксперименттік түрде бағалау және оларды дәстүрлі әдістермен салыстырмалы талдау жүргізу. Зерттеу объектісі. Тұтынушылық мақсаттағы, сұрыптауға және қайта өңдеуге жататын, әртүрлі ластану жағдайындағы полимер өнімдері. Зерттеудің ғылыми жаңалығы: 1. Полимер өнімдерінің оптикалық кескіндерін талдауға арналған, материал түрі мен ластанудың сыртқы белгілері бойынша классификациялауды қамтамасыз ететін, конволюциялық архитектураларға негізделген нейрондық желілік модель әзірленіп, бейімделді. 2. NIR-спектрлер негізінде полимер өнімдерінің ластануын классификациялауға арналған, ақпараттық мәні жоғары спектралдық диапазондарды бөліп көрсетуге бағытталған назар аудару механизмін пайдаланатын нейрондық желілік модель әзірленді 3. Визуалды түрде ажыратылмайтын ластанулар жағдайында гиперспектралдық кубтардың спектралдық-кеңістіктік ерекшеліктерін ескеруді қамтамасыз ететін, полимерлік өнімдерді бұзбай талдауға арналған нейрондық желілік модель әзірленіп бейімделді. Қорғауға шығарылатын негізгі қағидалар 1. Көпмодальды деректер бойынша олардың жағдайларын классификациялауға негізделген полимерлік өнімдердің ластануын анықтау әдісі. 2. Полимерлік өнімдердің ластануларын, оның ішінде мөлдір және әлсіз байқалатын ластануларды анықтауға арналған, оптикалық, спектралдық және гиперспектралдық деректердің ерекшеліктеріне бейімделген нейрондық желілік модельдер. 3. Полимерлік өнімдердің ластану жағдайындағы кластарын ажырату қабілетін арттыруға бағытталған спектралдық және гиперспектралдық деректерді алдын ала өңдеу әдістері. 4. Әзірленген нейрондық желілік модельдерді әртүрлі типтегі кіріс деректері мен полимерлік өнімдерді талдаудың әртүрлі жағдайларына бейімдеуге арналған тәсілдер. Зерттеу пәні. Полимерлік өнімдердің ластануларын анықтауға арналған оптикалық, спектралдық және гиперспектралдық деректерді талдаудың нейрондық желілік модельдері мен алгоритмдері. Зерттеу әдістері. Компьютерлік көру және кескіндерді өңдеу әдістері, спектралдық және гиперспектралдық талдау әдістері, машиналық және терең оқыту әдістері, сондай-ақ моделдердің сапасын бағалау мен статистикалық талдау әдістері. Зерттеу нәтижелерінің практикалық маңыздылығы Зерттеудің практикалық маңыздылығы әзірленген модельдер мен тәсілдерді полимер өнімдерін сұрыптаудың интеллектуалдық жүйелерін құру барысында қолдану мүмкіндігімен айқындалады, бұл екінші реттік өнімнің сапасын арттыруға және қайта өңдеу кезінде технологиялық тәуекелдерді төмендетуге бағытталған. Докторанттың әрбір жарияланымды дайындауға қосқан үлесінің сипаттамасы. Диссертацияда ұсынылған зерттеу жұмысы автордың тікелей қатысуымен жүргізілді. Есептің қойылымы, барлық қарастырылған есептерді формализациялау, оларды шешудің әдістері мен алгоритмдерін іздеу, сонымен қатар диссертацияда ұсынылған ғылыми және практикалық нәтижелер, оларды талдау, қорытынды шешімдерді қалыптастыруды жеке автордың өзі жүзеге асырды. Нәтижелері ғылыми мақалалар мен баяндамалар түрінде жарияланды. Диссертациялық зерттеу нәтижелерінің бір бөлігі 2024 жылғы 20 маусымдағы №76/ЖҒ-5-24-26 келісімшарт негізінде «Жас ғалым» бағдарламасы бойынша гранттық қаржыландыру шеңберінде орындалатын AP22685518 «Машиналық оқыту алгоритмдері арқылы пластикалық қалдықтарды интеллектуалды сұрыптау және классификациялау» ғылыми жобасы аясында алынды және іске асырылды. Зерттеу нәтижелерін апробациялау. Диссертациялық жұмыстың негізгі нәтижелері Л.Н. Гумилев атындағы Еуразия ұлттық университетінде өткізілген семинарларда, сондай-ақ Украина, Түркия және АҚШ елдерінде өткен халықаралық конференциялар мен семинарларда баяндалды: 1. «Компьютерлік және программалық инженерия» кафедрасының докторанттарына арналған семинарлар, Астана қ., 2020-2025 жж. 2. «Компьютерлік ғылымдар және инженерия бойынша 9-шы халықаралық конференция (UBMK)» халықаралық ғылыми конференциясы, Анталья қ., Түркия, 2024 ж. 3. Иллинойс университетінің Урбана–Шампейн қаласындағы (University of Illinois Urbana-Champaign) Ақпараттық ғылымдар мектебі мен Ауылшаруашылық және биологиялық инженерия кафедрасында Global Education and Training бағдарламасы аясында өткен «Leveraging Deep Learning Models for Enhanced Detection of Plastic Contaminants» тақырыбындағы семинарлар, Шампейн қ., АҚШ, 2024-2025 жж. 4. Студенттер мен жас ғалымдардың «Информатика. Математика. Автоматтандыру» (IMA::2022) атты халықаралық ғылыми-техникалық конференциясы, Сумы қ., Украина – Нұр-Сұлтан қ., Қазақстан, 2022 ж. Зерттеу нәтижелерін жариялау Scopus және Web of Science-те индекстелген ғылыми журналдарда жарияланған мақалалар: 1. Alimbekova N., Rai H. M., Turymbetov T., Zhumadillayeva A. HAttFFNN: Hybridized attention mechanism-based feedforward neural network deep learning model for the plastic material classification of three stage materials on spectroscopic data // PLOS ONE. – 2025. – Vol. 20, No. 12. – Article e0336927. – DOI: https://doi.org/10.1371/journal.pone.0336927. Scopus процентилі – 86; WoS квартилі – Q2. ҚР ҒЖБМ ҒЖБССҚК ұсынған ғылыми журналдарда жарияланған мақалалар: 1. Алимбекова Н., Рай Х. М., Турымбетов Т., Жумадиллаева А. Полимерлі контейнерлерді сұрыптау процесін оңтайландыру үшін нейрондық желілерді қолдану // Азаматтық авиация академиясының жаршысы. – 2025. – № 1(36). – Б. 75–89. – DOI: https://doi.org/10.53364/24138614_2025_36_1_7 2. Alimbekova N., Hashim Sh., Zhumadillayeva A., Aiymbay S. Deep neural networks as a tool for enhancing the efficiency of plastic waste sorting // Herald of the Kazakh-British Technical University. – 2024. – No. 3(70). – P. 116–127. – DOI: https://doi.org/10.55452/1998-6688-2024-21-3-116-127 3. Алимбекова Н. А., Мусетова Б. К., Жумадиллаева А. К. Сұрыптау үшін пластикалық контейнерлердің классификация моделін жасау // Торайғыров университетінің хабаршысы. Ақпараттық жүйелер сериясы. – 2023. – № 1. – Б. 47–59. – URL: https://vestnik-energy.tou.edu.kz/storage/journals/168.pdf Халықаралық конференциялар материалдарында және ғылыми журналдарда жарияланған мақалалар: 1. Alimbekova N., Zhumadillayeva A., Aiymbay S. Advanced Convolutional Neural Networks for Plastic Classification in Recycling Systems // 2024 9th International Conference on Computer Science and Engineering (UBMK). – Antalya, Turkey, 2024. – P. 426–430. – DOI: https://doi.org/10.1109/UBMK63289.2024.10773416. 2. Мусетова Б. К., Алимбекова Н. А. Пластикалық қалдықтарды жіктеу үшін терең оқыту моделін қолдану // «Ғылым және білім – 2023» XVIII Халықаралық ғылыми конференция материалдарының жинағы. – Астана: Л. Н. Гумилев атындағы Еуразия ұлттық университеті, 2023. – 12 сәуір. 3. Алимбекова Н. А. Гиперспектральная изображения и ее применение // Материалы XV Международной научной конференции студентов и молодых ученых «ǴYLYM JÁNE BILIM – 2020». – Астана: L. N. Gumilyov Eurasian National University, 2020. – Т. 5. – С. 595–599. 4. Alimbekova N. A. Using a deep learning model for automatic sorting of plastic containers // The International Scientific and Technical Conference of Students and Young Scientists «Informatics. Mathematics. Automation – 2023» (IMA-2023). – Astana, 2023. – April 24–28. 5. Alimbekova N. A. Classification of algorithms for automatic sorting of plastic containers // The International Scientific and Technical Conference of Students and Young Scientists «Informatics. Mathematics. Automation» (IMA::2022). – 2022. – P. 159–160. Авторлық құқық объектісіне мемлекеттік тіркеу туралы куәлік: 1. Алимбекова Н. А., Жумадиллаева А. К. Спектрлік деректер мен машиналық оқыту алгоритмдері негізінде пластикалық қалдықтарды интеллектуалды сұрыптау және жіктеу: ЭЕМ-ге арналған бағдарламаға авторлық құқық куәлігі. – № 65347. – 15 желтоқсан 2025 ж. 2. Мусетова Б. К., Айымбай С. Ж., Алимбекова Н. А., Жумадиллаева А. К. Машиналық оқытуға негізделген қайта өңделетін ПЭТ-бөтелкелерін сорттау жүйесінің программалық қамтамасыздандыруын әзірлеу: ЭЕМ-ге арналған бағдарламаға авторлық құқық куәлігі. – № 34503. – 11 сәуір 2023 ж. Диссертацияның құрылымы мен көлемі. Диссертациялық жұмыс қазақ тілінде жазылған, кіріспеден, бөлімшелерге бөлінген өзара байланысты үш бөлімнен, қорытындыдан және пайдаланылған әдебиеттер тізімінен тұрады. Жұмыста 108 беттен құрылды, 49 сурет, 15 кесте бар. Пайдаланылған дереккөздердің тізімі 72 атаулардан тұрады.
Зерттеулерді этикалық бағалау жөніндегі комиссияның қорытындысы
