Отрывок: 2. Важной особенностью U-Net является возмож- ность тренировать «end-to-end» модели из выборок небольшого объема, что очень ценно для отрасли сельского хозяйства, где не всегда можно получить большие наборы данных для исследования. Сегмен- тация болезней по существу является задачей клас- сификации, которая выполняется для каждого пиксе- ля. Функция потерь рассчитывалась по формуле (1), ко- торая сочетает в себе стандартные методы оценки про- изводитель...
Название : | Семантическая сегментация ржавчин и пятнистостей пшеницы |
Авторы/Редакторы : | Ариничев, И.В. Полянских, С.В. Ариничева, И.В. |
Ключевые слова : | семантическая сегментация, сверточная нейросеть, U-Net, болезни пшеницы, классификация болезней |
Дата публикации : | Фев-2023 |
Издательство : | Самарский национальный исследовательский университет |
Библиографическое описание : | Ариничев, И.В. Семантическая сегментация ржавчин и пятнистостей пшеницы / И.В. Ариничев, С.В. Полянских, И.В. Ариничева // Компьютерная оптика. – 2023. – Т. 47, № 1. – С. 118-125. – DOI: 10.18287/2412-6179-CO-1130. |
Серия/номер : | 47;1 |
Аннотация : | В статье исследуется возможность семантической сегментации классификации желтой ржавчины и пятнистости пшеницы с помощью сверточной нейросетевой архитектуры U-Net. На основе собственного набора данных, включающего 268 изображений, собранной в естественных условиях и условиях инфекционных питомников ФНЦ БЗР, показано, что архитектура U-Net c декодерами ResNet способна качественно обнаруживать, классифицировать и локализовывать ржавчины и пятнистости даже в тех случаях, когда болезни присутствуют на растении одновременно. Для отдельных классов болезней основные метрики (accuracy, micro-/macro precision, recall и F1) колеблются в пределах от 0,92 до 0,96. Это указывает на возможность распознавания даже нескольких болезней на листе с точностью, не уступающей эксперту-фитопатологу. Метрики сегментации IoU и Dice составили соответственно 0,71 и 0,88, что говорит о достаточно высоком качестве попиксельной сегментации и подтверждается при визуальном анализе. Использованная при этом архитектура нейронной сети достаточно легковесна, что делает возможным ее использование на мобильных устройствах без подключения к сети. |
URI (Унифицированный идентификатор ресурса) : | 10.18287/2412-6179-CO-1130 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Semanticheskaya-segmentaciya-rzhavchin-i-pyatnistostei-pshenicy-102041 |
Другие идентификаторы : | Dspace\SGAU\20230216\102041 |
ГРНТИ: | 28.23.15 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
14-1130-Ариничев-Полянских-Ариничева_KI-JuN-Aut-Lit-MI-MA-JuN2.pdf | Основная статья | 4.95 MB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.