|
Эта публикация цитируется в 6 научных статьях (всего в 6 статьях)
ОБРАБОТКА ИЗОБРАЖЕНИЙ, РАСПОЗНАВАНИЕ ОБРАЗОВ
Семантическая сегментация ржавчин и пятнистостей пшеницы
И. В. Ариничевa, С. В. Полянскихb, И. В. Ариничеваc a Кубанский государственный университет, г. Краснодар
b ООО Плариум-ЮГ, 350059, Россия, г. Краснодар, ул. Уральская, д. 75/1
c Кубанский государственный аграрный университет
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.
Ключевые слова:
семантическая сегментация, сверточная нейросеть, U-Net, болезни пшеницы, классификация болезней
Поступила в редакцию: 22.03.2022 Принята в печать: 16.07.2022
Образец цитирования:
И. В. Ариничев, С. В. Полянских, И. В. Ариничева, “Семантическая сегментация ржавчин и пятнистостей пшеницы”, Компьютерная оптика, 47:1 (2023), 118–125
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/co1109 https://www.mathnet.ru/rus/co/v47/i1/p118
|
|