Детальная информация

Название: Сверточная нейронная сеть для классификации изображений зерен: выпускная квалификационная работа бакалавра: направление 09.03.04 «Программная инженерия» ; образовательная программа 09.03.04_01 «Технология разработки и сопровождения качественного программного продукта»
Авторы: Степанов Алексей Андреевич
Научный руководитель: Малеев Олег Геннадьевич
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности
Выходные сведения: Санкт-Петербург, 2024
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: нейронные сети; классификация зерен; классификация изображений; сбор датасета; Python; neural networks; grain classification; image classification; dataset collection
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 09.03.04
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
DOI: 10.18720/SPBPU/3/2024/vr/vr24-1678
Права доступа: Доступ по паролю из сети Интернет (чтение)
Дополнительно: Новинка
Ключ записи: ru\spstu\vkr\28753

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

В данной работе рассматривается проблема классификации зерна в сельском хозяйстве с использованием нейронных сетей. Прибор "Анализатор САПФИР", для которого разрабатываются данные нейронные сети, автоматизирует процесс классификации, ускоряя его и повышая эффективность. Исследование решаемой задачи основывалось на анализе существующих решений по классификации зерна и их улучшению. Практическая часть работы представляет из себя сбор датасетов всех исследуемых зерновых культур, аугментирование полученных данных, подбор подходящей архитектуры нейронной сети и обучение нейронной сети. Итогом работы является несколько архитектур нейронной сети, достигающих от 90 до 99% на тестовой выборке для таких культур, как пшеница, овес и соя. Планируется дальнейшее совершенствование подхода для классификации подкатегорий больших категорий, а также сбор данных и обучение нейронных сетей для других актуальных зерновых культур. Это исследование демонстрирует перспективы применения нейронных сетей для автоматизации процесса классификации зерна в сельском хозяйстве.

The given work examines the problem of grain classification in agriculture using neural networks. The “SAPPHIRE Analyzer” device, for which these neural networks are developed, automates the classification process, speeding it up and increasing its efficiency. The study of this work’s problem was based on the analysis of existing solutions for grain classification and their improvement. The practical part of the work consists of collecting datasets of all studied grain crops, augmenting the obtained data, selecting a suitable neural network architecture and training the neural networks. The result of this work is several neural network architectures with 90 to 99% accuracy on test samples for such grain crops as wheat, oats and soybeans. It is planned to further improve the approach for classifying subcategories of large categories, as well as to collect data and train neural networks for other relevant grain crops. This study shows the prospects of neural networks’ usage in grain classification automation.

Права на использование объекта хранения

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

Статистика использования

stat Количество обращений: 0
За последние 30 дней: 0
Подробная статистика