В Евразийском национальном университете имени Л.Н. Гумилева состоится защита диссертации на соискание степени доктора философии (PhD) Кайыргалиқызы Гульсипат Абишева на тему Методы и алгоритмы для обнаружения, классификации и оценки дефектов железнодорожных пути по образовательной программе «8D06102 – Информатика».
Диссертация выполнена на кафедре «Кафедра Технологии искусственного интеллекта» Евразийского национального университета имени Л.Н. Гумилева.
Язык защиты - казахский
Официальные рецензенты:
Қалдарова Мира Жорабекқызы – доктор философии (PhD), и.о. декан высшей школы информационных технологий и инженерии, Международный университет Астана (г. Астана, Республика Казахстан);
Оралбекова Жанар Орымбаевна – доктор философии (PhD), ассоциированный профессор, и.о. профессора «Школы искусственного интеллекта и науки о данных», ТОО «Astana IT University» (г. Астана, Республика Казахстан).
Временные члены Диссертационного совета:
Барахнин Владимир Борисович – доктор технических наук; доцент, ведущий научный сотрудник в Федеральном исследовательском центре информационных и вычислительных технологий (ФИЦ ИВТ) (г. Новосибирск, Россия);
Аканова Акерке Сапаровна – доктор философии (PhD), ассоцированный профессор, Руководитель ГОП «Kомпьютерные науки», НАО «Казахского агротехнического университета имени С.Сейфуллина» (г. Астана, Республика Казахстан);
Еримбетова Айгерим Сембековна - доктор философии (PhD), кандидат технических наук, ассоциированный профессор, профессор-исследователь META University (г. Алматы, Республика Казахстан).
Научные консультанты:
Разахова Бибигул Шамшановна - доцент, кандидат технических наук, заведующая кафедрой «Технологии искусственного интеллекта», Евразийский национальный университет имени Л.Н. Гумилева (г. Астана, Республика Казахстан).
Владимир Йоцов – доктор философии в области компьютерных наук и искусственного интеллекта, доктор наук в области информационной безопасности, профессор кафедры компьютерных наук Университета библиотековедения и информационных технологий (г. София, Болгария).
Защита состоится: 24 апреля 2026 года 11:00 часов в Диссертационном совете по направлению подготовки кадров «8D061 – Информационно-коммуникационные технологии»(«6D070300 – Информационные системы», «8D06103 – Информационные системы») по образовательной программе «8D06102 – Информатика» Евразийского национального университета имени Л.Н. Гумилева. Проведение заседания диссертационного совета в онлайн формате.
Ссылка: https://teams.microsoft.com/meet/44108391344617?p=m5BKzqPowQQgvqINGL
Адрес: г. Астана, ул. Пушкина 11, №2 корпус аудитория № 222 аудитория.
АННОТАЦИЯ диссертационной работы Абишевой Гульсипат Ка йыргаликызы на тему «Методы и алгоритмы для обнаружения, классификации и оценки дефектов железнодорожных пути», представленной на соискание степени доктора философии (PhD) по образовательной программе «8D06102 - Информатика» Актуальность исследования. Железнодорожный транспорт играет стратегически важную роль в транспортной системе Республики Казахстан и является одной из ключевых инфраструктур, обеспечивающих устойчивое развитие экономики страны. В условиях высокого уровня износа железнодорожных путей, роста нагрузок и ужесточения требований к безопасности особую актуальность приобретает задача оперативной и точной диагностики состояния инфраструктуры. Традиционные методы диагностики (визуальный контроль, ультразвуковая дефектоскопия и др.) имеют ряд ограничений: высокую трудоемкость, зависимость от субъективных факторов и ограниченные возможности обработки больших объемов данных. В связи с этим внедрение интеллектуальных систем на основе машинного обучения и компьютерного зрения является перспективным направлением повышения эффективности выявления и оценки дефектов. Цель исследования выявление и классификация неисправностей железнодорожной инфраструктуры с использованием современных технологических алгоритмов и их оптимизация. Исходя из цели диссертационной работы, были поставлены следующие задачи: 1.Обзор научных трудов, в которых исследованы неисправности железных дорог. 2.Разработка ансамблевой модели для выявления и классификации неисправностей железных дорог. 3.Разработка модели прогнозной оценки выявленных дефектов железнодорожной инфраструктуры. 4.Реализация архитектуры процесса выявления неисправностей в железнодорожной инфраструктуре. Объектом исследования является железнодорожная инфраструктура, включающая рельсы, шпалы, крепежные элементы и другие элементы дороги. Предметом исследования являются методы и алгоритмы выявления, классификации и оценки неисправностей железных дорог. Теоретическая основа исследования основана на научных исследованиях по использованию технологий машинного обучения и компьютерного зрения в области выявления, классификации и оценки дефектов железнодорожной инфраструктуры. Работы, проведенные в последние годы, показывают, что в диагностике неисправностей железных дорог наряду с традиционными направлены на повышение эффективности интеллектуальных подходов. Исследования, проведенные Martin Lugg и Mayorkinos Papaelias, показали способность обнаруживать структурные дефекты рельсов и оценивать их глубину с помощью метода ACFM, что доказывает эффективность традиционных методов неразрушающего контроля. Zhang и его коллеги предложили подходы к высокоскоростной визуализации дефектов поверхности рельса с использованием лазерных ультразвуковых технологий. Использование методов компьютерного зрения и машинного обучения сформировало новый этап в обнаружении неисправностей железных дорог. Jaffery и его коллеги достигли высокой точности, сегментируя изображения и используя алгоритмы Random Forest, в то время как в других исследованиях были предложены подходы к классификации дефектов на основе SVM, деревьев решений и байесовских классификаторов. Развитие методов глубокого обучения вывело исследования в этой области на новый уровень. Shahrzad Faghih-Roohi и его коллеги предложили модель обнаружения дефектов рельсов на основе CNN, Y. Команда Santur разработала метод автоматического анализа лазерных изображений через нейронные сети. Song Yanan реализовал высокоточное обнаружение неисправностей в реальном времени с использованием архитектуры YOLO, в то время как Kechen и Zhang Faster продемонстрировали эффективность систем на основе R-CNN. Эти методы в настоящее время достигают точности 90-99%, обеспечивая результаты, которые превосходят визуальный контроль человека. Данные исследования показывают, что сформирована значительная научная база в области автоматического выявления, классификации и оценки неисправностей железных дорог. Однако существующие подходы имеют ряд ограничений. Многие решения направлены на решение только отдельных задач (выявление или классификация) и не обеспечивают в полной мере универсальную архитектуру, объединяющую комплексное выявление, классификацию дефектов и оценку уровня их опасности. Кроме того, разнообразие данных, влияние внешней среды, необходимость обработки в реальном времени и высокие требования к вычислительным ресурсам ограничивают эффективность современных систем. Таким образом, пробел в исследованиях определяется необходимостью разработки комплексных методов и алгоритмов, которые объединяют выявление, классификацию и оценку неисправностей железных дорог в единую интеллектуальную систему, обеспечивая высокую точность и стабильность. Этот пробел может быть эффективно устранен с помощью машинного обучения и ансамблевых подходов, основанных на глубоких нейронных сетях. Методы исследования. Исследование основано на системном анализе, проектировании, программной реализации и экспериментальной оценке.
Отзыв зарубежного консультанта
Заключение комиссии по этической оценке исследований
Решение диссертационного совета
Защита диссертации: https://www.youtube.com/watch?v=bq8OvBji-wQ&t=183s
