Дослідження моделей глибокого навчання для побудови інтелектуальних систем діагностики захворювань рослин

Abstract

Метою роботи є дослідження та порівняльний аналіз моделей глибокого навчання для задачі діагностики захворювань рослин. Методи дослідження – методи комп’ютерного зору та глибокого навчання для класифікації зображень захворювань рослин. Під час дослідження застосовано методи попередньої обробки зображень, згорткові нейронні мережі AlexNet та GoogLeNet (InceptionV3), підхід transfer learning, а також методи оцінювання якості моделей за метриками accuracy, precision, recall та F1-score. Галузь застосування - результати роботи можуть бути використані у сфері аграрних інформаційних систем, систем моніторингу стану рослин, інтелектуальних систем підтримки прийняття рішень у сільському господарстві.