ӨСІМДІК АУРУЛАРЫН ТЕРЕҢ ОҚЫТУ ӘДІСТЕРІ АРҚЫЛЫ АНЫҚТАУ

Аннотация

Машины для обнаружения болезней растений и вредителей изначально использовались в сельском хозяйстве и в некоторой степени заменили традиционную визуальную идентификацию. Болезни и вредители растений являются важным фактором, определяющим продуктивность и качество растений. Болезни и вредители растений можно обнаружить с помощью цифровой обработки изображений. В соответствии с различиями в структуре сети в этом исследовании представлены исследования по обнаружению болезней растений и вредителей, основанные на трех аспектах сети классификации, сети обнаружения и сети сегментации за последние годы, и суммируются преимущества и недостатки каждого из них. метод. Вводится общий набор данных и сравниваются результаты существующих исследований. В этом исследовании обсуждаются потенциальные проблемы практического применения научно обоснованных методов обнаружения болезней растений и вредителей. Обычные алгоритмы обработки изображений или ручное описательное проектирование и классификаторы часто используются для выявления болезней и вредителей растений по сравнению с традиционным компьютерным зрением. Этот метод обычно использует различные характеристики болезней и вредителей растений для создания макета изображения, а также выбирает подходящий источник света и угол съемки для получения равномерно освещенных изображений. Целью данной работы является выявление группы вредителей и болезней домашних и садовых растений с помощью мобильного приложения и отображение конечного результата на экране мобильного устройства. В этой работе использовались данные из 38 различных классов, включая изображения больных и здоровых листьев 13 растений из PlantVillage. В наших экспериментах Inception v3 имеет тенденцию последовательно повышать точность с увеличением эпохи без каких-либо признаков переобучения и снижения производительности. Для обучения архитектуре использовался Keras с сервером Theano.