Тема выпускной квалификационной работы: «Система компьютерной диагностики болезней сои по цифровым описаниям изображений листьев и нейронной сети». Данная работа посвящена разработке системы компьютерной диагностики болезней сои с использованием цифровых описаний изображений листьев и нейронной сети. Целью проекта является создание эффективного инструмента для точного и оперативного выявления заболеваний сои, что важно для повышения урожайности и качества продукции, а также для обеспечения продовольственной безопасности. Задачи, которые решались в ходе проекта: ― Провести сбор цифровых изображений листьев сои, включающих различные болезни. ― Выполнить нормализацию изображений и создать подробные цифровые описания изображений для использования в обучении нейронной сети. ― Разработать архитектуру нейронной сети, учитывающую особенности болезней сои и цифровых описаний. ― Обучить разработанную нейронную сеть на подготовленной базе данных, стремясь к высокой точности и надежности диагностики. В результате была разработана и обучена нейронная сеть, способная диагностировать болезни сои по цифровым изображениям листьев. Проведенные эксперименты показали высокую точность и надежность разработанной модели в выявлении различных заболеваний, что подтверждает ее эффективность и практическую применимость. Данный проект призван внести значительный вклад в автоматизацию и улучшение процессов диагностики болезней сои. Созданная система может быть использована агрономами и фермерами для своевременного выявления и контроля заболеваний, что позволит снизить потери урожая и повысить устойчивость сельскохозяйственного производства.

The subject of the graduate qualification work is “Сomputer System for Diagnosing Soybean Diseases Using Digital Descriptions of Leaf Images and a Neural Networks” This work is dedicated to the development of a computer system for diagnosing soybean diseases using digital descriptions of leaf images and a feedforward neural network. Tasks, which were solved on this project: ― Collect digital images of soybean leaves, including various diseases. ― Normalize the images and create detailed digital descriptions for use in training the neural network. ― Develop a neural network architecture that considers the characteristics of soybean diseases and the digital descriptions. ― Train the developed neural network on the prepared database, aiming for high accuracy and reliability in diagnosis. As a result, a computer system was developed that effectively identifies soybean diseases based on digital leaf images using a neural network. The system demonstrated high accuracy in diagnosing diseases, contributing to timely and precise agricultural interventions. This project aims to improve the efficiency and accuracy of soybean disease diagnosis, providing a valuable tool for farmers and agricultural specialists.