Разработка глубокой нейронной сети для сегментации проблемных участков сельскохозяйственных полей

Аннотация

Белоусов И.С., Рогачев А.Ф.

Дата поступления статьи: 08.07.2022

Для решения проблем аграрного производства могут применяться методы искусственного интеллекта. Оценка состояния посевов сельскохозяйственных культур на значительных площадях, даже при задействовании беспилотных летательных аппаратов, является трудоемкой задачей. Особенностью задачи такой оценки является многофакторность анализируемых структур, требующих применения системного подхода на всех этапах исследования от формирования баз данных (БД) цветных изображений до интеллектуального решения задач их анализа. Представлены результаты анализа U-net архитектуры искусственных нейронных сетей (ИНС) и ее ограниченности для задачи сегментации изображений. Целью исследования является обоснование архитектуры разработки сегментационной искусственной нейросети (ИНС) для выявления проблемных участков сельскохозяйственных полей. Проверка гипотезы преимущества сегментационной сети проводилась на архитектуре DeepLabV3 ResNet50. Численными экспериментами установлено, что повышение точности сегментации изображений участков сельскохозяйственных полей сдерживается ограниченным разрешением и точностью ручной разметки dataset. Построенные архитектуры могут использоваться в качестве алгоритмического ядра для создания SaaS-систем, при этом быстродействие используемой конфигурации ИНС может иметь решающее значение.

Ключевые слова: сельское хозяйство, цветные изображения, SaaS-система, искусственная нейронная сеть, классификация изображений

05.13.01 - Системный анализ, управление и обработка информации (по отраслям)

05.13.18 - Математическое моделирование, численные методы и комплексы программ

.