МОБИЛЬНОЕ ПРИЛОЖЕНИЕ ПО АВТОМАТИЗИРОВАННОЙ ДИАГНОСТИКЕ БОЛЕЗНЕЙ АГРОКУЛЬТУР И ПОДБОРУ РЕКОМЕНДАЦИЙ ИХ ЛЕЧЕНИЯ
Аннотация
Целью исследования была мобильная разработка на основе технологий компьютерного зрения и парсинга сайтов, позволяющая автоматизировать процесс диагностики болезней агрокультур и выдачи рекомендаций по лечению. В статье рассмотрены методы распознавания болезней растений с помощью компьютерного зрения, описаны принципы работы сверточных нейронных сетей, выбрана наиболее подходящая модель машинного обучения, основанная на точности, скорости и эффективности модели в условиях ограниченных ресурсов мобильного устройства, описан инструментарий: библиотеки и фреймворки, использованные для разработки. Представлена развернутая архитектура работы приложения, а так же продемонстрированы результаты работы разработанного программного обеспечения. Новым вкладом в развитие данной тематики является экспериментальное обоснование выбора модели нейронной сети на основе анализа ее результативности на подготовленном датасете, а так же внедрение автоматического поиска рекомендаций по определенной болезни агрокультуры. В дальнейшем в данное мобильное приложение планируется переход на мультиплотформенность и расширение функционала.
Скачивания
Литература
Список литературы
Аветисян Т. В., Львович Я. Е., Преображенский А. П. Разработка подсистемы распознания сигналов сложной формы // International Journal of Advanced Studies. 2023. Т. 13, № 1. С. 102-114. https://doi.org/10.12731/2227-930X-2023-13-1-102-114
Доктрина продовольственной безопасности. URL://www.scrf.gov.ru/security/economic/document108/ (дата обращения 01.02.2024)
Документация Koin. URL://insert-koin.io/ (дата обращения 01.02.2024).
Осовский С. Нейронные сети для обработки информации. М.: Горячая линия. Телеком. 2019. 448 с.
Jupyter Notebook. URL://jupyter.org/ (дата обращения 21.02.2024).
Проектирование информационных систем: учебник и практикум для вузов/ Чистов Д.В., Мельников П.П. , Золотарюк А.В., Ничепорук Н.Б.; под общей редакцией Чистова Д.В. 2-е изд., перераб. и доп. Москва: Издательство Юрайт, 2024. 293 с.
Скин Дж., Гринхол Д. Kotlin. Программирование для профессионалов. СПб.: Питер, 2023. 464 c.
Торкунова Ю.В., Коростелева Д.М., Кривоногова А.Е. Формирование цифровых навыков в электронной информационно-образовательной среде с использованием нейросетевых технологий // Современное педагогическое образование. 2020. №5. С. 107-110.
Торкунова Ю.В., Милованов Д.В. Оптимизация нейронных сетей: ме-тоды и их сравнение на примере интеллектуального анализа текста // International Journal of Advanced Studies. 2023. Т. 13, № 4. С. 142-158. https://doi.org/10.12731/2227-930X2023-13-4-142-158
Castillo J. Jetpack Compose internals / J. Castillo. Leanpub, 2021. 121 с.
Moskała M. Kotlin Coroutines: Deep Dive (Kotlin for Developers) / M. Moskała. 2022.
Nguyen C., Sagan V., Maimaitiyiming M., Maimaitijiang M., Bhadra S., Kwasniewski M.T. Early detection of plant viral disease using hyperspectral imaging and deep learning // Sensors. 2021. Vol. 21, № 3. 742 с.
Пятаева А., Мерко М., Жуковская В., Пинчук, И. Елисеева М. Распознавание рукописной подписи с применением нейронных сетей // International Journal of Advanced Studies. 2023. Т. 13, № 3. С. 130-148. https://doi.org/10.12731/2227-930X-2023-13-3-130-148
TensorFlow Overview. URL: https://www.tensorflow.org/overview (дата обращения 03.02.2024)
What is a Swimlane Diagram. URL: https://www.lucidchart.com/pages/tutorial/swimlane-diagram (дата обращения 03.02.2024)
References
Avetisjan T.V., L'vovich Ja.E., Preobrazhenskij A.P. Razrabotka podsistemy raspoznanija signalov slozhnoj formy [Development of a subsystem for recognizing complex-shaped signals]. International Journal of Advanced Studies, 2023, vol. 13, no. 1, pp. 102-114. https://doi.org/10.12731/2227-930X-2023-13-1-102-114
The doctrine of food security. URL://www.scrf.gov.ru/security/economic/document108/ (accessed February 01, 2024)
Documentation Koin. URL://insert-koin.io/ (accessed February 01, 2024).
Osovskij S. Nejronnye seti dlja obrabotki informacii [Neural networks for information processing]. M., 2019, 448 p.
Jupyter Notebook. URL://jupyter.org/ (accessed February 21, 2024)
Proektirovanie informacionnyh sistem: uchebnik i praktikum dlja vuzov [Information Systems design: textbook and workshop for universities] / D.V.Chistov, P.P.Mel'nikov, A.V.Zolotarjuk, N.B. Nicheporuk; ed. D.V.Chistov. Moscow: Jurajt Publ., 2024, 293 p.
Skin Dzh., Grinhol D. Kotlin. Programmirovanie dlja professionalov [Ko-tlin. Programming for professionals]. SPb.: Piter, 2023, 464 p.
Torkunova Ju.V., Korosteleva D.M., Krivonogova A.E. Formirovanie cifrovyh navykov v jelektronnoj informacionno-obrazovatel'noj srede s ispol'zovaniem nejrosetevyh tehnologij [Formation of digital skills in an electronic information and educational environment using neural network technologies]. Sov-remennoe pedagogicheskoe obrazovanie, 2020, no. 5, pp.107-110.
Torkunova Ju.V., Milovanov D.V. Optimizacija nejronnyh setej: metody i ih sravnenie na primere intellektual'nogo analiza teksta [Optimization of neural net-works: methods and their comparison on the example of text mining]. International Journal of Advanced Studies, 2023, vol. 13, no. 4, pp. 142-158. https://doi.org/10.12731/2227-930X2023-13-4-142-158
Castillo J. Jetpack Compose internals. Leanpub, 2021, 121 p.
Moskała M. Kotlin Coroutines: Deep Dive (Kotlin for Developers). 2022.
Nguyen C., Sagan V., Maimaitiyiming M., Maimaitijiang M., Bhadra S., Kwasniewski M.T. Early detection of plant viral disease using hyperspectral imaging and deep learning. Sensors, 2021, vol. 21, no. 3, 742 p.
Pyataeva A., Merko M., Zhukovskaya V., Pinchuk I., Eliseeva M. Raspoznavanie rukopisnoj podpisi s primeneniem nejronnyh setej [Handwritten signature recognition using neural networks]. International Journal of Advanced Studies, 2023, vol. 13, no. 3, pp. 130-148. https://doi.org/10.12731/2227-930X-2023-13-3-130-148
TensorFlow Overview URL: //www.tensorflow.org/overview. (accessed February 3, 2024)
What is a Swimlane Diagram. URL: https://www.lucidchart.com/pages/tutorial/swimlane-diagram (accessed February 3, 2024)
Просмотров аннотации: 98 Загрузок PDF: 57
Copyright (c) 2024 Julia V. Torkunova, Dmitrij Je. Ivanov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
