Научный архив: статьи

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.

Работу проводили с целью теоретических исследований разрабатываемых рабочих органов автоматизированной машины для удаления из почвы зараженных растений картофеля и овощных культур. Выполнено теоретическое обоснование манипулятора автоматизированной машины для удаления из почвы зараженных растений картофеля и овощных культур. При проведении теоретических исследований разработана функциональная модель системы для удаления из почвы зараженных растений картофеля и овощных культур, учитывающая параметры, оказывающие влияние на качество работы системы: входные воздействия - количество зараженных растений картофеля, расположенных на единицу площади поля, а также конструктивные особенности (геометрические параметры) манипулятора автоматизированной машины k(t), V(t) - рабочие скорости исполнительных приводов, I(t) - режимы согласования совместной работы приводов. Выполнено компьютерное моделирование автоматизированного устройства с цифровой системой управления для удаления зараженных растений картофеля и овощных культур, а также разработаны модели клубней картофеля в среде программы Rocky DEM, представляющие собой неразрушаемый многогранник с 23 гранями, а почвенные комки являлись разрушаемым многогранником с 25 гранями, минимально возможное разрушение которых использовалось до размерности 10 мм. Получено условие обеспечения гарантированного захвата и извлечения клубневого гнезда при расстоянии между осями рядом расположенных кустов растения не более рабочей ширины захвата автоматизированного манипулятора. Наиболее эффективно почвенные комки разрушаются при частоте колебаний планчатого транспортёра 45…60 Гц и амплитуде колебаний 0,03 м, а качество сепарации картофельного вороха от почвенных комков повышается при частоте колебаний 15.40 Гц и амплитуде колебаний менее 0,02 м.