Мобильное приложение по автоматизированной диагностике болезней агрокультур и подбору рекомендаций их лечения
- Авторы: Торкунова Ю.В.1,2, Иванов Д.Э.1
-
Учреждения:
- Казанский государственный энергетический университет
- Сочинский госу-дарственный университет
- Выпуск: Том 14, № 1 (2024)
- Страницы: 168-183
- Раздел: Статьи
- Статья опубликована: 31.03.2024
- URL: https://journals.rcsi.science/2328-1391/article/view/299568
- DOI: https://doi.org/10.12731/2227-930X-2024-14-1-276
- EDN: https://elibrary.ru/PKYJLA
- ID: 299568
Цитировать
Полный текст
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.
Об авторах
Юлия Владимировна Торкунова
Казанский государственный энергетический университет; Сочинский госу-дарственный университет
Автор, ответственный за переписку.
Email: torkynova@mail.ru
ORCID iD: 0000-0001-7642-6663
SPIN-код: 7422-4238
профессор кафедры «Информационные технологии и интеллектуальные системы», доктор педагогических наук
Россия, ул. Красносельская, 51, г. Казань, Республика Татарстан, 420066, Российская Федерация; ул. Пластунская, 94, г. Сочи, Краснодарский край, 354000, Российская ФедерацияДмитрий Эдуардович Иванов
Казанский государственный энергетический университет
Email: alwayswannafly070400@mail.ru
магистр
Россия, ул. Красносельская, 51, г. Казань, Республика Татарстан, 420066, Российская ФедерацияСписок литературы
- Аветисян Т. В., Львович Я. Е., Преображенский А. П. Разработка подси-стемы 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 ву-зов/ 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: Изда-тельство 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 педагогиче-ское образование. 2020. №5. С. 107-110.
- Торкунова Ю.В., Милованов Д.В. Оптимизация нейронных сетей: методы 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. Mos-kała. 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. Распозна-вание 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 об-ращения 03.02.2024)
- What is a Swimlane Diagram. URL: https://www.lucidchart.com/pages/tutorial/swimlane-diagram (дата обраще-ния 03.02.2024)
Дополнительные файлы
