Статья: Сравнение подходов глубокого обучения к распознаванию заболевших растений картофеля (2025)

Читать онлайн

Возможность своевременно отличать заболевшие сельскохозяйственные культуры от здоровых играет реша­ющую роль в обеспечении продовольственной безопасности и минимизации экономических потерь. Машинное зрение в сочетании с алгоритмами глубокого обучения позволяет эффективно и точно отслеживать состояние посадок картофеля, выявляя симптомы заболеваний, что является более продуктивным подходом по сравнению с традиционными методами визуальной оценки. (Цель исследования) Сравнительный анализ одноэтапного и двухэтапного подходов к распознаванию заболевших и здоровых растений картофеля на основе алгоритмов глубокого обучения. (Материалы и методы) В исследовании использовали два подхода к процессу обучения нейронной сети с целью распознаванию заболевших и здоровых растений картофеля: одноэтапный и двухэтапный. В рамках одноэтапного подхода применялся один алгоритм глубокого обучения для одновременной классификации и локализации растений. Двухэтапный подход включал использование двух алгоритмов: первый определял границы растений, а второй классифицировал их как здоровые или заболевшие. С целью обучения алгоритмов использовались различные базы данных, включая снимки листьев и кустов картофеля. (Результаты и обсуждение) Проведен сравнительный анализ эффективности одноэтапного и двухэтапного подходов к распознаванию заболевших растений картофеля с использованием алгоритмов глубокого обучения. По каждому методу обучения было определено общее среднеквадратичное отклонение и среднеквадратичное отклонение для координат, построены матрицы запутанности. (Выводы) Двухэтапный подход продемонстрировал высокую эффективность в дифференциации больных и здоровых кустов картофеля, несмотря на небольшое снижение точности определения координат по сравнению с методом двухэтапного обучения, где использовались снимки как отдельных листьев, так и растений в целом. Данные методы имеют уникальные преимущества и могут быть интегрированы с современными технологиями для более эффективного выявления фитопатологий.

Ключевые фразы: определение заболеваний картофеля, машинное обучение, нейронные сети, машинное зрение, фитопрочистка, возделывание картофеля, определение координат растений
Автор (ы): Сибирёв Алексей Викторович (Sibirev A. V.), Овчинников Алексей Юрьевич (Ovchinnikov A. Y.), ТЕТЕРИН ВЛАДИМИР СЕРГЕЕВИЧ (TETERIN V. S.), Панферов Николай Сергеевич (Panferov N. S.), Пехнов Сергей Александрович (Pehnov S. A.)
Журнал: СЕЛЬСКОХОЗЯЙСТВЕННЫЕ МАШИНЫ И ТЕХНОЛОГИИ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Машиностроение
УДК
631.171. Механизация и автоматизация сельского хозяйства
Для цитирования:
СИБИРЁВ А. В., ОВЧИННИКОВ А. Ю., ТЕТЕРИН В. С., ПАНФЕРОВ Н. С., ПЕХНОВ С. А. СРАВНЕНИЕ ПОДХОДОВ ГЛУБОКОГО ОБУЧЕНИЯ К РАСПОЗНАВАНИЮ ЗАБОЛЕВШИХ РАСТЕНИЙ КАРТОФЕЛЯ // СЕЛЬСКОХОЗЯЙСТВЕННЫЕ МАШИНЫ И ТЕХНОЛОГИИ. 2025. ТОМ 19, №4
Текстовый фрагмент статьи
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.