Данная работа посвящена разработке веб-приложения для создания и обучения моделей ИНС и распознавания с помощью полученных моделей болезней растений. Задачи, которые решались в ходе работы: 1. Выбор стека технологий для реализации веб-приложения, а также для реализации инструментов по созданию и обучению моделей искусственных нейронных сетей. 2. Разработка веб-приложение с функционалом классификации изображений, создания и обучения моделей ИНС. 3. Демонстрация работы приложения на нескольких наборах данных и анализ полученных результатов работы с приложением. Рассмотрены существующие методы и практики применения искусственных нейронных сетей в задачах классификации. Также рассмотрены существующие решения задачи классификации болезней растений с применением искусственных нейронных сетей. Разработан инструмент для создания моделей искусственных нейронных сетей, их обучения и применения в задачах классификации болезней растений. Работа инструмента продемонстрирована и проанализирована.

This work is devoted to the development of a web application for creating and training ANN models and recognition of plant diseases using the obtained models. Tasks that were solved during the work: 1. Choosing a technology stack for implementing a web application, as well as for implementing tools for creating and training artificial neural network models. 2. Development of a web application with the functionality of image classification, creation and training of ANN models. 3. Demonstration of the application on several data sets and analysis of the obtained results of working with the application. The existing methods and practices of using artificial neural networks in classification problems are considered. The existing solutions to the problem of classifying plant diseases using artificial neural networks are also considered. The tool for creating models of artificial neural networks, their training and application in the tasks of classification of diseases of plants has been developed. The work of the tool has been demonstrated and analyzed.

• Обозначения и сокращения
• Введение
• 1. Обзор и анализ существующих решений
  • 1.1. Анализ существующих методов классификации
  • 1.2. Анализ существующих приложений по распознаванию болезней растений
    • 1.2.1. Приложение-аналог – «Определение болезней растений»
    • 1.2.2. Приложение-аналог – Agrio
    • 1.2.3. Вывод после ознакомления с аналогами
• 2. Цели и задачи работы
• 3. Архитектура предлагаемого решения
  • 3.1. Особенности реализации системы распознавания с использованием нейронных сетей
  • 3.2. Принцип работы сверточных нейронных сетей
    • 3.2.1. Общие параметры нейронных сетей
    • 3.2.2. Особенности сверточных нейронных сетей
  • 3.3. Работа с датасетом
    • 3.3.1. Создание цифровых образов
    • 3.3.2. Преимущества работы с цифровыми образами
    • 3.2.3. Геометрическая нормализация изображения
    • 3.2.4. Аугментация данных
    • 3.2.5. Алгоритм работы с входными данными
• 4. Обоснование выбора фреймворков и языка разработки
  • 4.1. Язык разработки
  • 4.2. Фреймворки
    • 4.2.1. Фреймворки для написания моделей ИНС
    • 4.2.2. Инструменты для разработки веб-приложения
• 5. Демонстрация разработанного инструмента
  • 5.1. Модуль классификации изображений
  • 5.2. Модуль создания моделей ИНС
  • 5.3. Модуль обучения моделей ИНС
• 6. Анализ полученных результатов
• Заключение
• Список литературы
  • Приложение 1. Листинг функции для создания маршрута начала обучения
  • Приложение 2. Листинг функций для преобразования изображения в цифровой образ