Projekty badawcze w 2024 r. nagrodzone w konkursie Dziekana WETI:
I Nagroda
Robot sprzątający - sprzątanie świata z wsparciem mobilnej platformy sztucznej inteligencji
Fot. Krzysztof Krzempek/PG
Opiekun naukowy projektu: prof. Jacek Rumiński
Kierownik: Andrii Melnyk
Członkowie zespołu: Andrii Melnyk, Ahmad Shehada, Johan Carcamo Pineda, Murad Abdullayev, Arda Candas, Nirav Ratilal Vaghasiya
Opis projektu
Celem projektu było stworzenie prototypu robota sprzątającego wraz ze stosownym oprogramowaniem. Studenci prowadzili prace badawcze w zakresie treningu i adaptacji modeli uczenia głębokiego, które na podstawie rejestrowanych obrazów klasyfikują rodzaj śmieci (np. papier, szkło, itp.). Ponadto wykorzystali kamerę głębi w celu określenia odległości robota od obiektu. Wyznaczyli również szereg parametrów związanych z lokalizacją celu (współrzędne, kąt) w celu sterowania robotem i właściwego ustawienia jego pozycji, umożliwiającej właściwą pracę ramienia chwytającego śmieć. Zastosowali platformę mobilną sterowaną mikrokontrolerem do poruszania czteroma silnikami kół. Zaprojektowali i wydrukowali w 3D elementy konstrukcyjne robota: uchwyty na moduły komputerowe, kamerę RGBD, pojemnik na śmieci, uchwyt na ramię robota. Warto podkreślić, że zintegrowali wszystkie części w jeden działający system (m.in. integracja Raspberry Pi, NVIDIA Nano, ramię robota sterowane własnym mikrokontrolerem, moduł sterowania platformą).
Projekty badawcze w 2023 r. nagrodzone w konkursie Dziekana WETI:
Wyróżnienie:
„BrainBot” Interfejs mózg-maszyna do sterowania pojazdów za pomocą EEG
Fot. Krzysztof Krzempek/PG
Opiekun; dr inż. Tomasz Kocejko
Kierownik projektu: Nikodem Matuszkiewicz
Zespół:, Aleksander Madajczak, Piotr Durawa, Jakub Kwiatkowski
Projekt z zakresu inżynierii biomedycznej, informatyki, uczenia maszynowego i robotyki.
Opracowano interfejs, który pozwala na sterowanie autonomicznym pojazdem za pomocą sygnałów EEG. W swojej pracy studenci zebrali zbiór sygnałów EEG, poddali go pre-processingowi i opracowali model sieci neuronowych pozwalający na klasyfikację wyobrażenia ruchu i stanu skupienia umysłu. Dzięki takiemu podejściu otrzymali 3 niezależne sygnały sterujące. Swój interfejs mózg-maszyna uzupełnili o algorytmy widzenia komputerowego, które zostały wykorzystane jako mechanizm kontroli ruchu pojazdu. Opracowany interfejs pozwala na akwizycję i przetwarzanie sygnałów w czasie rzeczywistym (opracowane zostały moduły komunikacji i agregacji wykorzystujące protokoły TCP/IP oraz UDP). Projekt został zaimplementowany i sprawdzony w warunkach laboratoryjnych przy użyciu platformy JetBot.
II nagroda
System wykrywania stanu kierowcy z wykorzystaniem obrazowania multimodalnego i algorytmów uczenia maszynowego
Fot. Krzysztof Krzempek/PG
Opiekun: prof. dr hab. inż. Jacek Rumiński
Kierownik projektu: Paulina Leszczełowska
Zespół: Mateusz Żak, Karol Lempkowski, Maria Bollin
Grupa projektowa opracowała i wykorzystała w badaniach stanowisko symulatora kierowcy złożone z zestawu do kierowania pojazdem oraz układu dwóch kamer, tj. kamery wizyjnej i termograficznej do obserwacji i analizy obrazów twarzy. Studenci zebrali dane od ochotników w różnych porach dnia, jak też zebrali dane z symulowanymi zachowaniami wskazującymi zmęczenie kierowcy. Następnie zaprojektowali i zaimplementowali szereg algorytmów przetwarzania wstępnego danych oraz modele sztucznej sieci neuronowej do analizy danych. W rezultacie opracowali oprogramowanie umożliwiające detekcję twarzy i cech charakterystycznych twarzy dla obu modalności, z wykorzystaniem detekcji zamykania oczu, ziewania, itd. Ponadto utworzyli oprogramowanie estymacji częstości oddychania z sekwencji termograficznych stosując jako referencję pomiary z pasem ciśnieniowym nakładanych na klatkę piersiową uczestnika badań. Rezultaty prac zostaną zgłoszone na konferencję IEEE Human-System Interaction 2023 (lub podobną).
II nagroda
Aplikacja do oceny parametrów obrazów histopatologicznych na detekcję limfocytów za pomocą sztucznych sieci neuronowych
Fot. Krzysztof Krzempek/PG
Opiekun: dr Tomasz Neumann
Kierownik projektu: Agata Polejowska
Zespół:, Milena Sobotka, Michał Kalinowski. Marcin Kordowski
Celem projektu było zaadoptowanie bądź stworzenie uniwersalnego modelu uczenia głębokiego, poprawnie wykrywającego limfocyty na różnorodnych obrazach m.in. uzyskanych różną techniką, barwionych różnymi metodami itp. dlatego szczególnie istotne w projekcie było poszerzenie dostępnych baz danych obrazów i ich oznaczeń. Finalnie powstała aplikacja pozwalająca identyfikować na obrazach limfocyty jak i zliczać automatycznie ich liczbę w zależności od wpływu zmian parametrów obrazów. Przeprowadzone badania mogą być punktem wyjścia do stworzenia narzędzia wspomagającego pracę patomorfologa. Powstała już publikacja, którą po niewielkich korektach grupa projektowa chciałaby opublikować w punktowanym czasopiśmie recenzowanym.
Projekty badawcze w 2022 r. nagrodzone w konkursie Dziekana WETI:
Projekty grupowe w 2023 r. nagodzone przez Dziekana WETI
Na uroczystej inauguracji II edycji Projektu Grupowego na WETI PG rozdane zostały wyróżnienia i nagrody dla projektów z poprzedniego roku akademickiego. Wyróżnienie otrzymała grupa dr inż. Magdaleny Mazur Mileckiej (w składzie: Aleksandra Krajna – kierownik, Martyna Lubowiecka, Mateusz Makowiecki i Adam Szczodrowski) za realizację tematu „Klasyfikacja zmian skórnych - narzędzie wspomagania decyzji dermatologa”, natomiast II Nagrodę Dziekana w wysokości 5 000PLN otrzymała grupa dr inż. Karoliny Cysewskiej obecnie z Katedry Inżynierii Materiałów Funkcjonalnych (w składzie: Natalia Zalewska – kierownik, Mikołaj Kubiak, Rafał Laskowski, Matthias Nawrocki i Aleksandra Zieminska) za „Opracowanie prototypu elektrody na bazie sztucznej skóry dla stymulacji neuronowej”. Gratulujemy i życzymy dalszych sukcesów studentom i opiekunom !!!
Projekty grupowe w 2021 r. nagodzone przez Dziekana WETI
Zespół: Martyna Giziewicz (kierownik), Filip Brzeziński, Julia Guzik, Emilia Lewandowski.
Opiekun naukowy: prof. Mariusz Kaczmarek
Aplikacja mobilna do obrazowania i klasyfikacji zmian skórnych – 1 miejsce oraz nagroda IHS Markit
Celem projektu było opracowanie, realizacja i walidacja aplikacji mobilnej do oceny zmian skórnych, w szczególności przebarwień, pod kątem diagnostyki czerniaka skóry. Aplikacja przeznaczona jest dla lekarzy i personelu medycznego – ma ułatwić im pracę oraz skrócić czas diagnostyki. Jak podkreślają autorzy projektu, w dalszej perspektywie zastosowanie aplikacji może przyczynić się do zwiększenia odsetka osób biorących udział w badaniach przesiewowych pod kątem diagnostyki czerniaka. Pozwala także na stworzenie większego zbioru bazy danych zdjęć zmian skórnych, które mogłyby być danymi wejściowymi do kolejnych analiz, np. za pomocą metod sztucznej inteligencji (wykorzystywanych w tym projekcie).