<<<  Назад

2022 год, № 95

УДК: 58.084.1 +51-76+ 632.4
ГРНТИ: 68.37.05, 28.23.15

АВТОМАТИЗИРОВАННАЯ ДИАГНОСТИКА ГРИБНЫХ БОЛЕЗНЕЙ ЯЧМЕНЯ

Представлены результаты исследований, проводимых в течение 2019-2021 гг. на опытной станции Кубанского ГАУ в УОХ «Кубань». На основе цифровых интеллектуальных технологий показано, что модель, построенная на основе современной нейросетевой архитектуры SqueezeNet, способна качественно и оперативно обнаруживать и классифицировать грибные болезни ячменя, такие как темно-бурая пятнистость, мучнистая роса, карликовая ржавчина. Для предложенного алгоритма значения основных метрик качества классификации находятся в пределах от 95% до 98%, что говорит о его высокой обобщающей способности и возможности использования для точной, оперативной и доступной диагностики заболеваний ячменя в контролируемых и полевых условиях.
Ключевые слова: Болезни ячменя, диагностика болезней, компьютерное зрение, SqueezeNet, сверточная нейросеть.
DOI: 10.21515/1999-1703-95-69-72

Литература:

1. Трубилин, И. Т. Основные морфологические и апробационные признаки сортов и гибридов зерновых, зернобобовых, крупяных и масличных растений / И. Т. Трубилин, Н. Р. Шоков, Ю. П. Косенков, Н. Г. Малюга. - Краснодар: КубГАУ, 2000. - 511 с.
2. FAO. World Food and Agriculture - Statistical Yearbook 2021. Rome. - DOI: https://doi.org/10.4060/cb4477en.
3. Краснодарский край в цифрах - 2020: стат. сб. / Фед. Служба гос. стат. Краснодар, 2021. - 266 с.
4. Репко, Н. В. Селекция озимого ячменя на продуктивность и зимостойкость / Н. В. Репко. - Краснодар, 2009. -146 с.
5. Ариничева, И. В. Распознавание болезней риса с помощью современных методов компьютерного зрения / И. В. Ариничева, И. В. Ари-ничев, С. В. Полянских, Г. В. Волкова // Аграрная наука. - 2021. - № 345 (2). - С. 90-94.
6. Arinichev, I. V. Rice Fungal Diseases Recognition Using Modern Computer Vision Techniques / I. V. Arinichev, S. V. Polyanskikh, G. V. Volkova, I. V. Arinicheva // International Journal of Fuzzy Logic and Intelligent Systems. - 2021. - No. 21(1). - P. 1-11. - http://doi.org/10.5391/ IJFIS.2021.21.1.1.
7. Андриянов, Н. А. Обнаружение объектов на изображении: от критериев Байеса и Неймана-Пирсона к детекторам на базе нейронных сетей EfficientDet / Н. А. Андриянов, В. Е. Дементьев, А. Г. Ташлинский // Компьютерная оптика. - 2022. - Т. 46, № 1. - С. 139-159. - DOI: 10.18287/2412-6179-CO-922.

Авторы:

1. Ариничева Ирина Владимировна, д-р биол. наук, профессор, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный аграрный университет имени И.Т. Трубилина».
2. Ариничев Игорь Владимирович, канд. экон. наук, доцент, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный университет».
3. Репко Наталья Валентиновна, д-р с.-х. наук, профессор, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный аграрный университет имени И.Т. Трубилина».