Проектирование лабораторной информационной системы с использованием алгоритмов машинного обучения : магистерская диссертация

Abstract

This thesis is dedicated to the design of a Laboratory Information System (LIS) using machine learning methods. The relevance of the study is driven by the need to automate routine operations and enhance the efficiency of laboratory processes in the construction industry. Research Objective: To design a Laboratory Information System (LIS) utilizing machine learning algorithms. Research Tasks: Analyze existing approaches to designing information systems. Investigate hypotheses regarding the application of machine learning within an information system. Develop an optical character recognition (OCR) microservice and prepare it for integration into the laboratory information system. Research Methods: The primary focus is on the development and implementation of a text recognition model based on the SVTR architecture. Results: A Laboratory Information System was designed, comprising client and server parts, as well as a microservice for processing optical character recognition (OCR). The text recognition model was trained on synthetic data. Conclusions: The research results demonstrate that using the SVTR model in PaddleOCR significantly improves text recognition quality. The developed LIS enables the automation and optimization of laboratory processes, ensuring high performance and system scalability.

Данная выпускная квалификационная работа посвящена проектированию лабораторной информационной системы (ЛИС) с использованием алгоритмов машинного обучения. Актуальность исследования обусловлена потребностью в автоматизации рутинных операций и повышении эффективности лабораторных процессов в строительной отрасли. Цель исследования: проектирование лабораторной информационной системы (ЛИС) с использованием алгоритмов машинного обучения. Задачи исследования: анализ существующих подходов к проектированию информационных систем; исследование гипотез применения машинного обучения в рамках информационной системы; разработка микросервиса для оптического распознавания символов (OCR) и подготовка его для интеграции в лабораторную информационную систему. Методы исследования: Основное внимание уделено внедрению модели распознавания текста на основе архитектуры SVTR. Результаты: Спроектирована лабораторная информационная система, включающая клиентскую и серверную части, а также микросервис для обработки оптического распознавания символов (OCR). Проведено обучение модели распознавания текста на синтетических данных. Выводы: Результаты исследования демонстрируют, что использование модели SVTR в PaddleOCR значительно улучшает качество распознавания текста. Разработанная ЛИС позволяет автоматизировать и оптимизировать лабораторные процессы, обеспечивая высокую производительность и масштабируемость системы.