Обнаружение и распознавание растений в природе с использованием сверточных нейронных сетей
DOI:
https://doi.org/10.5281/zenodo.15056681Ключевые слова:
компьютерное зрение, глубокое машинное обучение, обнаружение и распознавание растений, сверточные нейронные сети, обучение моделиЛицензия
Аннотация
В настоящей статье рассмотрены и проанализированы различные модели обнаружения и распознавания растений с использованием сверточных нейронных сетей для идентификации различных видов растений в естественных условиях. Показаны преимущества применения искусственного интеллекта в данной области. Рассмотрены существующие архитектуры сверточных нейронных сетей, используемых для классификации изображений, дана их сравнительная характеристика, выявлены их преимущества и недостатки. Приведены примеры обучения модели на архитектурах VGG16 и ResNet50. Выбрана оптимальная архитектура сверточной нейронной сети для решения задачи распознавания растений.
Скачивания
Библиографические ссылки
1. Распознавание растений с помощью нейронных сетей. Object Detection YOLOv7 [Электронный ресурс] / TenChat: [Сайт]. – URL: https://tenchat.ru/media/1403187-raspoznavaniye-rasteniy-s-pomoschyu-neyronnykh-setey-object-detection-yolov7 (дата обращения: 15.10.2023).
2. Новый подход к машинному обучению в биологии [Электронный ресурс] / Научная культура: [Сайт]. – URL: https://www.nkj.ru/news/41845/ (дата обращения: 15.10.2023).
3. Нейросети научились распознавать более 90% снимков российских растений [Электронный ресурс] / ТАСС: [Сайт]. – URL: https://nauka.tass.ru/nauka/11942297?utm_source=google.com&utm_medium=organic&utm_campaign=google.com&utm_referrer=google.com (дата обращения: 15.10.2023).
4. Руководство TensorFlow [Электронный ресурс] / TensorFlow: [Сайт]. – URL: https://www.tensorflow.org/tutorials?hl=ru (дата обращения: 20.09.2024).
5. Библиотека глубокого обучения Tensorflow [Электронный ресурс] / Хабр: [Сайт]. – URL: https://habr.com/ru/companies/ods/articles/324898/ (дата обращения: 20.09.2024).
6. Иванов Григорий. Свёрточные нейронные сети [Электронный ресурс] / Яндекс Практикум: [Сайт]. – URL: https://education.yandex.ru/handbook/ml/article/svyortochnye-nejroseti (дата обращения: 15.10.2024).
7. Implementing Neural Networks Using TensorFlow [Электронный ресурс] / GeeksForGeeks: [Сайт]. – URL: https://www.geeksforgeeks.org/implementing-neural-networks-using-tensorflow/ (дата обращения: 15.10.2024).
8. Сикорский О.С. Обзор свёрточных нейронных сетей для задачи классификации изображений [Электронный ресурс] / КиберЛенинка: [Сайт]. – URL: https://cyberleninka.ru/article/n/obzor-svyortochnyh-neyronnyh-setey-dlya-zadachi-klassifikatsii-izobrazheniy (дата обращения: 16.10.2024).
9. Sovit Ranjan Rath. Implementing VGG Neural Networks in a Generalized Manner using PyTorch [Электронный ресурс] / DebuggerCafe: [Сайт]. – URL: https://debuggercafe.com/implementing-vgg-neural-networks-in-a-generalized-manner-using-pytorch/ (дата обращения: 18.10.2024).
10. Sovit Ranjan Rath. Object Detection using SSD300 ResNet50 and PyTorch [Электронный ресурс] / DebuggerCafe: [Сайт]. – URL: https://debuggercafe.com/object-detection-using-ssd300-resnet50-and-pytorch/ (дата обращения: 18.10.2024).
11. Writing Custom Datasets, DataLoaders and Transforms [Электронный ресурс] / PyTorch: [Сайт]. – URL: https://pytorch.org/tutorials/beginner/data_loading_tutorial.html (дата обращения: 20.09.2023).
12. Подготовка датасета для машинного обучения: 10 базовых способов совершенствования данных [Электронный ресурс] / Хабр: [Сайт]. – URL: https://habr.com/ru/articles/684580/ (дата обращения: 29.09.2023).
13. Архитектура VGG16 с примерами [Электронный ресурс] / GitHub: [Сайт]. – URL: https://github.com/LemonLov/Vgg16-Tensorflow (дата обращения: 28.09.2024).
14. Про архитектуру ResNet50 с кодом [Электронный ресурс] / GitHub: [Сайт]. – URL: https://github.com/JananiSBabu/ResNet50_From_Scratch_Tensorflow (дата обращения: 25.09.2024).
15. Разработка интерфейса для модели ResNet50 CNN с Keras [Электронный ресурс] / Хабр: [Сайт]. – URL: https://habr.com/ru/articles/746442/ (дата обращения: 26.09.2024).
REFERENCES LIST
1. Raspoznavanie rastenii s pomoshchiu neironnykh setei. Object Detection YOLOv7 [Elektronnyi resurs] / TenChat: [Sait]. – URL: https://tenchat.ru/media/1403187-raspoznavaniye-rasteniy-s-pomoschyu-neyronnykh-setey-object-detection-yolov7 (data obrashcheniia: 15.10.2023).
2. Novyi podkhod k mashinnomu obucheniiu v biologii [Elektronnyi resurs] / Nauchnaia kultura: [Sait]. – URL: https://www.nkj.ru/news/41845/ (data obrashcheniia: 15.10.2023).
3. Neiroseti nauchilis raspoznavat bolee 90% snimkov rossiiskikh rastenii [Elektronnyi resurs] / TASS: [Sait]. – URL: https://nauka.tass.ru/nauka/11942297?utm_source=google.com&utm_medium=organic&utm_campaign=google.com&utm_referrer=google.com (data obrashcheniia: 15.10.2023).
4. Rukovodstvo TensorFlow [Elektronnyi resurs] / TensorFlow: [Sait]. – URL: https://www.tensorflow.org/tutorials?hl=ru (data obrashcheniia: 20.09.2024).
5. Biblioteka glubokogo obucheniia Tensorflow [Elektronnyi resurs] / Khabr: [Sait]. – URL: https://habr.com/ru/companies/ods/articles/324898/ (data obrashcheniia: 20.09.2024).
6. Ivanov Grigorii. Svertochnye neironnye seti [Elektronnyi resurs] / Iandeks Praktikum: [Sait]. – URL: https://education.yandex.ru/handbook/ml/article/svyortochnye-nejroseti (data obrashcheniia: 15.10.2024).
7. Implementing Neural Networks Using TensorFlow [Elektronnyi resurs] / GeeksForGeeks: [Sait]. – URL: https://www.geeksforgeeks.org/implementing-neural-networks-using-tensorflow/ (data obrashcheniia: 15.10.2024).
8. Sikorskii O.S. Obzor svertochnykh neironnykh setei dlia zadachi klassifikatsii izobrazhenii [Elektronnyi resurs] / KiberLeninka: [Sait]. – URL: https://cyberleninka.ru/article/n/obzor-svyortochnyh-neyronnyh-setey-dlya-zadachi-klassifikatsii-izobrazheniy (data obrashcheniia: 16.10.2024).
9. Sovit Ranjan Rath. Implementing VGG Neural Networks in a Generalized Manner using PyTorch [Elektronnyi resurs] / DebuggerCafe: [Sait]. – URL: https://debuggercafe.com/implementing-vgg-neural-networks-in-a-generalized-manner-using-pytorch/ (data obrashcheniia: 18.10.2024).
10. Sovit Ranjan Rath. Object Detection using SSD300 ResNet50 and PyTorch [Elektronnyi resurs] / DebuggerCafe: [Sait]. – URL: https://debuggercafe.com/object-detection-using-ssd300-resnet50-and-pytorch/ (data obrashcheniia: 18.10.2024).
11. Writing Custom Datasets, DataLoaders and Transforms [Elektronnyi resurs] / PyTorch: [Sait]. – URL: https://pytorch.org/tutorials/beginner/data_loading_tutorial.html (data obrashcheniia: 20.09.2023).
12. Podgotovka dataseta dlia mashinnogo obucheniia: 10 bazovykh sposobov sovershenstvovaniia dannykh [Elektronnyi resurs] / Khabr: [Sait]. – URL: https://habr.com/ru/articles/684580/ (data obrashcheniia: 29.09.2023).
13. Arkhitektura VGG16 s primerami [Elektronnyi resurs] / GitHub: [Sait]. – URL: https://github.com/LemonLov/Vgg16-Tensorflow (data obrashcheniia: 28.09.2024).
14. Pro arkhitekturu ResNet50 s kodom [Elektronnyi resurs] / GitHub: [Sait]. – URL: https://github.com/JananiSBabu/ResNet50_From_Scratch_Tensorflow (data obrashcheniia: 25.09.2024).
15. Razrabotka interfeisa dlia modeli ResNet50 CNN s Keras [Elektronnyi resurs] / Khabr: [Sait]. – URL: https://habr.com/ru/articles/746442/ (data obrashcheniia: 26.09.2024).
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
