Програмний модуль прогнозування хвороб сільськогосподарських культур на основі згорткових нейронних мереж

Abstract

Метою кваліфікаційної роботи є розробка програмного модуля прогнозування хвороб сільськогосподарських культур на основі згорткових нейронних мереж, який забезпечує автоматизований аналіз зображень рослин і формування прогнозу щодо їхнього стану з використанням сучасних методів глибокого навчання. Методи дослідження включають аналіз наукових джерел у сфері комп’ютерного зору, глибокого навчання, згорткових нейронних мереж і прогнозування хвороб рослин, моделювання архітектури програмного модуля, розроблення базової CNN-моделі для класифікації зображень рослин. Результати дослідження полягають у створенні програмного модуля прогнозування хвороб сільськогосподарських культур, який забезпечує завантаження зображень рослин, їх попередню обробку, масштабування та нормалізацію, передавання даних у згорткову нейронну мережу, визначення класу стану рослини, формування ймовірнісної оцінки прогнозу та подання результатів у зручному для користувача вигляді. Результати роботи можуть бути використані для розроблення інтелектуальних систем моніторингу стану сільськогосподарських культур, автоматизованої діагностики хвороб рослин, програмних рішень для підтримки прийняття рішень в аграрному виробництві, а також подальших досліджень у сфері комп’ютерного зору та глибокого навчання.

The purpose of the qualification work is to develop a software module for predicting diseases of agricultural crops based on convolutional neural networks, which provides automated analysis of plant images and generates a prediction regarding their condition using modern deep learning methods. The research methods include analysis of scientific sources in the field of computer vision, deep learning, convolutional neural networks, and plant disease prediction; modeling of the software module architecture; and development of a basic CNN model for classifying plant images. The results of the study consist in the creation of a software module for predicting diseases of agricultural crops, which provides loading of plant images, their preprocessing, resizing and normalization, transfer of data to a convolutional neural network, determination of the plant condition class, formation of a probabilistic prediction estimate, and presentation of the results in a user-friendly form. The results of the work can be used for the development of intelligent systems for monitoring the condition of agricultural crops, automated diagnosis of plant diseases, software solutions for decision support in agricultural production, as well as further research in the field of computer vision and deep learning.