Детальная информация

Название: 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)»
Авторы: Ассири Хамуд Марваи А
Научный руководитель: Малыхина Галина Федоровна
Другие авторы: Селиванова Елена Николаевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2020
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: сверточная нейронная сеть; данные о листьях растений; идентификация заболеваний растений; convolutional neural network; plant leaves dataset; plant disease identification
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.04.01
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-1053
Права доступа: Доступ по паролю из сети Интернет (чтение, печать)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать
Интернет Авторизованные пользователи СПбПУ Прочитать Печать
Интернет Авторизованные пользователи (не СПбПУ)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 4
За последние 30 дней: 1
Подробная статистика