Наукові статті

Інтелектуальна система розпізнавання стану рослин на основі згорткових нейронних мереж

Гайтан, О.М.

Метою дослідження є розробка та оцінка моделі глибокого навчання та інтелектуальної системи для автоматизованої класифікації хвороб сільськогосподарських культур, з акцентом на картоплю в якості репрезентативного приклада. Запропонована система базується на згортковій нейронній мережі (CNN), яка продемонструвала високу ефективність в задачах аналізу зображень. Модель навчалась на основі набору даних з платформи Kaggle. Перед обробкою дані проходили етапи очищення, нормалізації пікселів та розширення (аугментації), включно з обертанням зображень та зміною контрасту, що підвищило здатність моделі до узагальнення. Розмір зображень було стандартизовано до 256×256 пікселів у форматі RGB. Набір даних було поділено на тренувальну, валідаційну та тестову вибірки з можливістю випадкової перестановки елементів для уникнення перенавчання. Архітектура моделі включає CNN із функцією активації Softmax на вихідному шарі для багатокласової класифікації. Для оптимізації навчання використовувався алгоритм Adam. Крім того, навчена модель була інтегрована у веб-додаток на основі фреймворку FastAPI, що дозволяє користувачам завантажувати зображення листя рослин і отримувати результати класифікації з відповідними ймовірностями в реальному часі. Модель продемонструвала точність 95% на тестовій вибірці, що свідчить про її високу надійність у виявленні та класифікації хвороб листя картоплі. Отримані результати підтверджують ефективність використання методів комп’ютерного зору та глибокого навчання для ранньої діагностики захворювань.

Українська

2025

глибинне навчання

Національний університет кораблебудування імені адмірала Макарова

Гайтан О.М. Інтелектуальна система розпізнавання стану рослин на основі згорткових нейронних мереж / О.М. Гайтан, C.П. Альошин, І. Луаттар // Збірник наукових праць НУК. – 2025. – № 2 (500). – С. 253-262. – DOI: https://doi.org/10.15589/znp2025.2(500).35.

004.056