Details
Title | Обнаружение болезней растений по фотографиям листьев с использованием сверточных нейронных сетей: выпускная квалификационная работа магистра: направление 09.04.01 «Информатика и вычислительная техника» ; образовательная программа 09.04.01_17 «Интеллектуальные системы (международная образовательная программа)» |
---|---|
Creators | Ассири Хамуд Марваи А |
Scientific adviser | Малыхина Галина Федоровна |
Other creators | Селиванова Елена Николаевна |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Imprint | Санкт-Петербург, 2020 |
Collection | Выпускные квалификационные работы ; Общая коллекция |
Subjects | сверточная нейронная сеть ; данные о листьях растений ; идентификация заболеваний растений ; convolutional neural network ; plant leaves dataset ; plant disease identification |
Document type | Master graduation qualification work |
File type | |
Language | Russian |
Level of education | Master |
Speciality code (FGOS) | 09.04.01 |
Speciality group (FGOS) | 090000 - Информатика и вычислительная техника |
Links | Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований |
DOI | 10.18720/SPBPU/3/2020/vr/vr20-1053 |
Rights | Доступ по паролю из сети Интернет (чтение, печать) |
Record key | ru\spstu\vkr\6256 |
Record create date | 6/29/2020 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
Заболевания лиственных растений наносит существенный ущерб сельскому хозяйству. Раннее обнаружение и диагностирование болезни, позволяет предпринять действия, предотвращающие распространение болезни на другие участки растения и на другие растения. Поэтому тема диссертации связанна с разработкой системы идентификации заболевания лиственных растений на начальной стадии с использованием машинного зрения. Исходными данными является набор данных «Plant Village», содержащий 5018 изображений листьев растений. Разработанные в диссертации методы основаны на обучении классификатора распознавать инфекционный статус растений и прогнозировать его урожайность. Всего было представлено 25 классов растений. Обученный классификатор обеспечивает достоверность распознавания класса болезни не хуже, чем 93,7% по всему набору данных. Практическая часть работы выполняется на программном обеспечении Matlab.
The incidence of foliage plant ailments can be an increasing concern in agriculture. Disease identification from an early period before spreading into other sections of the plant and its avoidance is really actually a struggle for the expert's eye. Therefore, an adequate system must detect plant disorder in the initial stage. Utilizing Plant Village data set of all 5018 pictures of plants, system methods are trained to categorize infection status and harvest species of 25 classes. The trained model achieves accuracy scores in all the classes with a net accuracy of 93.7% on the whole dataset. The program requirements for the project are conducted on Matlab software.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 22
Last 30 days: 0