ОЦЕНКА СОСТОЯНИЯ РАСТЕНИЙ С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ
https://doi.org/10.34822/1999-7604-2021-1-41-50
Аннотация
Данная работа продолжает исследования авторов в области построения систем автоматической диагностики состояний и динамики роста растений. Построение подобного рода систем требует решения ряда задач, связанных с обработкой цифровых изображений, таких как детектирование и идентификация состояния растений. В качестве центральной компоненты рассматриваемой системы используется математический аппарат сверточных нейронных сетей с описанием архитектуры, процедуры обучения и тестирования нейронной сети, а также результатов эксперимента. Анализ работы сверточных нейронных сетей показывает высокую эффективность предлагаемого решения поставленной задачи оценки состояния биологических культур.
Об авторах
М. Я. Брагинский
Сургутский государственный университет, Сургут
Россия
Россия
E-mail: mick17@mail.ru
Д. В. Тараканов
Сургутский государственный университет, Сургут
Россия
Россия
Список литературы
1. Ashok R., Uma S. K. Garden Environmental Monitoring & Automatic Control System Using Sensors // International Journal for Modern Trends in Science and Technology (IJMTST). 2016. Vol. 2, № 5. Р. 141–144.
2. Faouzi D., Bibi-Triki N., Draoui B., Abène A. Greenhouse Environmental Control Using Optimized, Modeled and Simulated Fuzzy Logic Controller Technique in MATLAB SIMULINK // Computer Technology and Application. 2016. № 7. Р. 273–286.
3. Albadarneh A., Ahmad A. Automated Flower Species Detection and Recognition from Digital Images // IJCSNS International Journal of Computer Science and Network Security. 2017. Vol. 17, № 4. Р. 144–151.
4. Elangovan K., Nalini S. Plant Disease Classification Using Image Segmentation and SVM Techniques // International Journal of Computational Intelligence Research. 2017. Vol. 13, № 7. Р. 1821–1828.
5. Hagara M., Kubinec P. About Edge Detection in Digital Images // Radioengineering. 2018. Vol. 27, № 4. Р. 919–929.
6. Setiawan W., Utoyo M. I., Rulaningtyas R. Reconfiguration Layers of Convolutional Neural Network for Fundus Patches Classification // Bulletin of Electrical Engineering and Informatics. 2021. № 10 (1). Р. 383–389.
7. Kaggle Datasets. URL: https://www.kaggle.com/tags/plants (дата обращения: 19.03.2021).
8. SqueezeNet-Residual by songhan. URL: http://songhan.github.io/SqueezeNet-Residual (дата обращения: 19.03.2021).
Рецензия
Для цитирования:
Брагинский М.Я., Тараканов Д.В. ОЦЕНКА СОСТОЯНИЯ РАСТЕНИЙ С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ. Вестник кибернетики. 2021;(1 (41)):41-50. https://doi.org/10.34822/1999-7604-2021-1-41-50
For citation:
Braginsky M.Y., Tarakanov D.V. ESTIMATION OF PLANTS HEALTH USING CONVOLUTIONAL NEURAL NETWORKS. Proceedings in Cybernetics. 2021;(1 (41)):41-50. (In Russ.) https://doi.org/10.34822/1999-7604-2021-1-41-50
Просмотров: 189
Послать статью по эл. почте 