АНАЛИЗ РАЗВИТИЯ РАСТЕНИЙ С ПОМОЩЬЮ МЕТОДОВ КОМПЬЮТЕРНОГО ЗРЕНИЯ
https://doi.org/10.35266/1999-7604-2023-1-29-35
Аннотация
Представлено описание разработки сервиса для мониторинга развития растений в комнатной теплице с использованием моделей компьютерного зрения, сбора визуальных данных с использованием платы esp32-cam и камеры OV5640 и извлечения отдельных растений из получаемых изображений с помощью модели детектирования YOLO v4. Трекинг высаженных растений выполнен с помощью библиотеки DeepSORT. Исходя из определяемой культуры оценивается возраст для вычис-ления скорости развития высаженных растений, а также оповещения пользователя о достижении заданных показателей. Методы компьютерного зрения реализованы с помощью фреймворка TensorFlow 2, полученная точность классификации – 99 %, коэффициент детерминации модели Random Forest для регрессии возраста растения – 0,94.
Об авторах
А. В. Матохина
Волгоградский государственный технический университет, Волгоград
Россия
Россия
кандидат технических наук
E-mail: matokhina.a.v@gmail.com
В. В. Тищенко
Волгоградский государственный технический университет, Волгоград
Россия
Россия
магистрант
E-mail: vsevolutionlord@gmail.com
Список литературы
1. Bačić S., Tomić H., Andlar G., Roić M. Towards Integrated Land Management: The Role of Green Infra-structure. ISPRS Int J GeoInf. 2022. No. 10. P. 513. DOI 10.3390/ijgi11100513.
2. Kozai T., Niu G., Takagaki M. PFAL Business and R&D in Asia and North America: Status and Perspectives. Plant Factory: An Indoor Vertical Farming System for Efficient Quality Food Production. 2nd Ed. 2020. P. 35‒76.
3. Danyltsiv O., Khomiak A., Nazarevych O. Usage of Artificial Intelligence Systems and Working with the Neural Network in Assessing the Condition of Plants in Smart Greenhouses. 3rd International Workshop on Modern Machine Learning Technologies and Data Science, June 5, 2021, Lviv-Shatsk, Ukraine. URL: https://ceur-ws.org/Vol-2917/paper20.pdf (дата обращения: 20.01.2023).
4. Прошкин Ю. А., Смирнов А. А., Соколов А. В. и др. Оптический мониторинг овощных культур на основе цифровой обработки RGB изображений // Инновации в сельском хозяйстве. 2019. № 4. С. 266–278.
5. Kerkecha M., Hafianea A., Canalsb R. Vine Disease Detection in UAV multispectral Images Using Optimized Image Registration and Deep Learning Segmentation Approach. Computers and Electronics in Agriculture. 2020. Vol. 174. P. 105446. URL: https://hal.science/hal-03299578/document (дата обращения: 20.01.2023).
6. Harakannanavara S. S., Rudagib J. M., Purani-kmathb V. I. et. al. Plant Leaf Disease Detection Using Computer Vision and Machine Learning Algorithms. Global Transitions Proceedings. 2022. Vol. 3, No. 1. P. 305‒310. DOI 10.1016/j.gltp. 2022.03.016.
7. Al-Gunaid M. A., Shcherbakov M. V., Tishchenko V. V. et. al. The System of Intelligent Identi-fication of Harmful Objects in the Field of Agricul-ture. Creativity in Intelligent Technologies and Data Science. CIT&DS 2021. Communications in Com-puter and Information Science. 2021. Vol. 1448. P. 177–189. DOI 10.1007/978-3-030-87034-8_14.
8. Брыкин В. В., Брагинский М. Я., Тараканова И. О. и др. Анализ состояния растений с применением технологий искусственного интеллекта // Вестник кибернетики. 2022. № 4. С. 6–13.
9. TensorFlow Core. URL: https://www.tensorflow.org/ overview (дата обращения: 20.01.2023).
10. Bochkovskiy A., Wang C., Liao H. M. YOLOv4: Optimal Speed and Accuracy of Object Detection. arXiv. 2020. URL: https://arxiv.org/pdf/2004.10934.pdf (дата обращения: 20.01.2023).
11. Pereira R., Carvalho G., Garrote L., Nunes U. J. Sort and Deep-SORT Based Multi-Object Tracking for Mobile Robotics: Evaluation with New Data Association Metrics. Appl Sci. 2022. Vol. 12, No. 3. P. 1319. DOI 10.3390/app12031319.
12. Keras Applications. URL: https://keras.io/api/appli cations/ (дата обращения: 20.01.2023).
Рецензия
Для цитирования:
Матохина А.В., Тищенко В.В. АНАЛИЗ РАЗВИТИЯ РАСТЕНИЙ С ПОМОЩЬЮ МЕТОДОВ КОМПЬЮТЕРНОГО ЗРЕНИЯ. Вестник кибернетики. 2023;22(1):29-35. https://doi.org/10.35266/1999-7604-2023-1-29-35
For citation:
Matokhina A.V., Tishchenko V.V. ANALYSIS OF PLANTS’ GROWTH USING COMPUTER VISION METHODS. Proceedings in Cybernetics. 2023;22(1):29-35. (In Russ.) https://doi.org/10.35266/1999-7604-2023-1-29-35
Просмотров:
155
Послать статью по эл. почте 