Дослідження та вибір моделі комп’ютерного зору для розпізнавання хвороби рослин за зображенням

Abstract

Актуальність теми полягає в тому, що розпізнавання образів залишається важливою частиною розвитку штучного інтелекту, а застосування згорткових нейронних мереж для розпізнавання хвороб рослин і вибір оптимальної архітектури для подальшого впровадження в автоматизованих системах моніторингу стану рослин є важливим кроком у розвитку сучасних технологій. Метою роботи є дослідження та вибір архітектури моделі згорткових нейронних мереж для класифікації рослинних хвороб за зображенням, аналіз ефективності різних архітектур та порівняння результатів навчання моделей. У першому розділі було розглянуто основні концепції, які складають основу для розуміння нейронних мереж, а також здійснено огляд ключових архітектур згорткових нейронних мереж (CNN). Для подальшого аналізу були обрані ResNet, EfficientNet і MobileNet: ці архітектури дають змогу досягати високої продуктивності завдяки новим підходам і є актуальними. У другому розділі розглядаються основні методи класифікації хвороб рослин, проведено всебічний аналіз трьох сучасних архітектур згорткових нейронних мереж - ResNet34, EfficientNet та MobileNet. Було розглянуто їх внутрішню будову, ключові особливості та переваги у вирішенні задач класифікації зображень. Оцінюється якість прогнозів і продуктивність розглянутих моделей машинного навчання.