2022 год, № 95
УДК: 58.084.1 +51-76+ 632.4ГРНТИ: 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:
- 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.
- FAO. World Food and Agriculture - Statistical Yearbook 2021. Rome. - DOI: https://doi.org/10.4060/cb4477en.
- Краснодарский край в цифрах - 2020: стат. сб. / Фед. Служба гос. стат. Краснодар, 2021. - 266 с.
- Репко, Н. В. Селекция озимого ячменя на продуктивность и зимостойкость / Н. В. Репко. - Краснодар, 2009. -146 с.
- 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.
- 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.
- 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:
- Ариничева Ирина Владимировна, д-р биол. наук, профессор, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный аграрный университет имени И.Т. Трубилина».
- Ариничев Игорь Владимирович, канд. экон. наук, доцент, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный университет».
- Репко Наталья Валентиновна, д-р с.-х. наук, профессор, Федеральное государственное бюджетное образовательное учреждение высшего образования «Кубанский государственный аграрный университет имени И.Т. Трубилина».