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.