Искусственный интеллект и машинное обучение
Научная статья
Определение здоровых и больных областей листьев растений при помощи нейронных сетей
Александр Владимирович Смирнов1
, Игорь Петрович Тищенко2
1,2 | Институт программных систем им. А. К. Айламазяна РАН, Веськово, Россия |
1 |
|
Аннотация. В настоящей статье представлено исследование, направленное на разработку нейросетевого метода обнаружения здоровых и больных областей листьев растений по их изображениям с вычислением соотношения их площадей. В качестве нейросетевой модели использовалась базовая сеть архитектуры FPN с энкодером в виде архитектуры ResNet-34. Для обучения ИНС в качестве меток использовались бинарные маски целевых областей листьев растений, которые были получены программным путём без ручной разметки. Благодаря этому удалось достичь разумного компромисса между ресурсами, необходимыми для создания масок, и их точностью. При обучении нейросетевой модели была достигнута точность в 96.5% и 78.9% по метрике F1 для определения здоровых и больных областей соответственно. Далее был произведён инференс модели, в результате которого был рассчитан индекс «здоровья» для каждого из исследуемых изображений листьев. В контексте решаемых задач, индекс «здоровья» представляет собой разность между процентами долями здоровой и больной областей, который может быть использован при оценке тяжести заболевания, а также при мониторинге динамики развития болезни как индикатор эффективности используемых препаратов или методов ухода. Научная новизна представленного исследования заключается в создании метода автоматического определения соотношения площадей здоровых и больных участков листьев, который сочетает современные технологии компьютерного зрения, машинного обучения и практическую применимость для агрономии и растениеводства.
Ключевые слова: нейросетевой анализ, индекс «здоровья», здоровая область листа, больная область листа, модель
Для цитирования: Смирнов А. В., Тищенко И. П. Определение здоровых и больных областей листьев растений при помощи нейронных сетей // Программные системы: теория и приложения. 2025. Т. 16. № 3. С. 69–97. https://psta.psiras.ru/2025/3_69-97.
Полный текст статьи (PDF): https://psta.psiras.ru/read/psta2025_3_69-97.pdf.
Статья поступила в редакцию 30.07.2025; одобрена после рецензирования 07.08.2025; принята к публикации 19.08.2025; опубликована онлайн 25.08.2025.