Разработка мобильного приложения для распознавания болезней у растений

ВВЕДЕНИЕ 5
ГЛАВА 1. ОБЗОР ИЗВЕСТНЫХ МЕТОДОВ И СРЕДСТ РЕШЕНИЯ ПРОБЛЕМЫ 7
1.1 Обоснование темы исследования 7
1.2 Анализ методов исследований растений 8
1.3 Методы диагностики и учета болезней растений 13
1.4 Методы оценки устойчивости растений к болезням 22
1.5 Основные понятия и классификация методов распознавания 31
1.6 Структурные методы распознавания 33
1.7 Статические методы распознавания 34
1.8 Итенсиональные методы распознавания 35
1.9 Экстенсиональные методы распознавания 36
1.10 Нейросетевые методы распознавания 36
1.11 Сравнительная характеристика имеющихся аналогов 40
ГЛАВА 2. ИССЛЕДОВАНИЕ И ПОСТРОЕНИЕ РЕШЕНИЯ 43
2.1 Техническое задание 43
2.2 Алгоритм работы нейронной сети 45
2.3. Архитектура нейронной сети 49
2.4 Идентификация ложных срабатываний 51
2.5 Распределение данных 55
2.6 Реализация модели нейронной сети 56
ГЛАВА 3. ПРОЕКТИРОВАНИЕ МОБИЛЬНОГО ПРИЛОЖЕНИЯ ДЛЯ РАСПОЗНАВАНИЯ БОЛЕЗНЕЙ У РАСТЕНИЙ 57
3.1 Постановка задачи 57
3.2 Требования к программному обеспечению 57
3.3 Создание базы данных 58
3.4 Определяем болезнь растений по фотографии при помощи нейросети 61
3.5 Разработка интерфейсов мобильного приложения 65
ЗАКЛЮЧЕНИЕ 67
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 68
ПРИЛОЖЕНИЕ А – Фрагмент кода для распознавания болезней у томатов 72
ПРИЛОЖЕНИЕ Б – Материалы на электронном носителе 76

Весь текст будет доступен после покупки

В современном мире наиболее перспективным направлением являются интеллектуальные системы распознавания объектов. На сегодняшний день в мире существуют системы для распознавания лиц, эмоционального состояния человека по выражению лица, музыки и даже изображений животных по издаваемым характерным звукам.
В век информационных технологий жизнь людей становится все более автоматизированной, но все равно некоторые области сферы систем распознавания не проработаны, и не достигнуты желаемые результаты. Одним из новых и перспективных направлений является разработка систем распознавания объектов.
Болезни растений вызывают большие производственные и экономические потери в сельскохозяйственной области. В настоящее время это рассматривается как большая проблема в современном сельскохозяйственном производстве. Защита растений, в частности, защита сельскохозяйственных культур от болезней, играет особую роль в достижения более высокого спроса на продукты питания и напрямую связаны с благосостоянием человека. Наряду с населением мира, ожидается, что доступность продовольствия на душу населения увеличится на ближайшие годы. Спрос на питание зависит от таких факторов, как рост населения, уровень доходов, урбанизация, образ жизни и предпочтения. Таким образом, важность надлежащего контроля во время производственного процесса играет важную роль в последнее время.
Точная оценка болезней и вредителей растений остается проблемой в научном сообществе. Болезни и вредители растений могут возникать по нескольким причинам и показывают разные вариации на протяжении всего их инфекционного статуса. Бактерии, грибки, вирусы и насекомые могут привести к повреждению и заболеванию растений. После заражения, растение развивает несколько симптомов, которые, если они распространяются, могут вызвать значительное влияние на весь урожай. Традиционные методы Лечение болезней растений включает использование пестицидов. Однако, чрезмерное использование пестицидов не только увеличивает стоимость производства, но также может повлиять на качество еды. Следовательно, точная оценка заболеваемости, тяжесть заболевания, а также негативное влияние болезней на качество и количество сельского хозяйства важны для урожая, садоводства, селекции растений и повышение эффективности фунгицидов, а также для исследований растений. Мониторинг условия выращивания и выявление болезней у растений, следовательно, имеет решающее значение для устойчивого сельского хозяйства. В некотором роде раннее обнаружение подозрительных участков на заводе может предотвратить несколько экономических потерь и облегчить контроль за счет соответствующие стратегии управления для повышения производительности.

Весь текст будет доступен после покупки

ГЛАВА 1. ОБЗОР ИЗВЕСТНЫХ МЕТОДОВ И СРЕДСТ РЕШЕНИЯ ПРОБЛЕМЫ
1.1 Обоснование темы исследования
В постоянно развивающемся мире человек постоянно сталкивается с задачей распознавания образов и объектов. Информация, которая поступает с органов чувств, обрабатывается мозгом человека, который в свою очередь перебирает информацию, а также обеспечивает принятие решения. Затем с помощью электрохимических импульсов мозг передает необходимый сигнал далее, например, органам движения, которые реализуют необходимые действия. После этого происходит изменение обстановки, которая окружает человека и эти действия повторяются снова.
В век развития информационных технологий стало возможным решить ряд задач, возникающих в процессе жизнедеятельности людей, облегчить, ускорить и повысить качество результата действий. Например, работа различных систем жизнеобеспечения, взаимодействие человека с компьютером, появление роботизированных систем и др.
От опыта, квалификации, ответственности и других факторов зависит качество работы, которую выполняет человек. Автомат в отличие от человека действует однообразно и всегда выдает один и тот же результат, также автомат обеспечивает быстродействие. Человека на автомат для процесса распознавания объектов, заменяют по разным причинам, например:
– для освобождения человека от однообразных действий для решения других более важных задач;
– повышение качества и скорости принимаемых решений. повышение качества и скорости принимаемых решений.
Базой для распознавания образов и объектов, и отнесения их к тому или иному классу и виду послужили результаты теории о статических решениях. В дальнейшем статический (математический) аппарат данной теории распознавания образов разделился за счет применения:
– разделов прикладной математики; теории информации;
– методов алгебры логики;
– математического программирования и системотехники [9].
Таким образом, проблема распознавания объектов оказалась в поле междисциплинарных исследований – в том числе в связи с работой по созданию искусственного интеллекта, а создание технических систем распознавания образа привлекает к себе вс? большее внимание.
1.2 Анализ методов исследований растений
Одним из основных объектов наблюдений и опытов в сельскохозяйственных и биологических науках являются растения. С растениями в научных исследованиях проводят четыре типа опытов: лабораторный, вегетационный, лизиметрический и полевой. Следует иметь в виду, что различия между этими основными типами в известной степени условны, и они могут сочетаться и дополнять друг друга в конкретном исследовании.
Лабораторный опыт – это исследование, осуществляемое в строго контролируемых условиях, причем в качестве изучаемых объектов могут выступать не только интактные растения, ной их отдельные части, органы или даже отдельные клетки, органеллы и макромолекулы.
Например, мы можем выделить хлоропласты из разных по устойчивости к действию высоких температур сортов пшеницы и сравнить интенсивность протекания реакции Хилла при воздействии на выделенные хлоропласты разных температур. В лабораторных опытах такого рода мы работаем с органеллами растений.
Вегетационный опыт – это исследование, при котором объектом изучения выступают интактные растения, выращиваемые в контролируемых условиях вегетационных домиков, теплиц, оранжерей, климатических камер и других сооружений.
Сущность вегетационного метода исследований состоит в том, что растения выращивают в искусственной, но агрономически обоснованной обстановке, регулируемой экспериментатором. В условиях вегетационного опыта действие того или иного фактора изучается в наиболее «чистом» виде, при постоянстве или отсутствии действия других, не изучаемых факторов.
При вегетационном опыте растения выращивают в различных вегетационных сосудах в виде водных, гравийных, песчаных или почвенных культур. Совершенствование техники вегетационного метода привело к созданию сложных инженерных сооружений – фитотронов, в климатических камерах которых можно круглый год работать с растениями, моделируя для них любые условия жизни.
Лизиметрический опыт – это исследование динамики почвенных процессов и их влияния на те, или иные свойства и особенности роста и развития растений в специальных лизиметрах, позволяющих учитывать и контролировать передвижение и баланс влаги и питательных веществ в естественных условиях.
В отличие от вегетационных опытов, лизиметрические проводят в поле при естественных условиях освещенности, температуры и т. д. Технически лизиметры представляют собой различного рода конструкции из кирпича, бетона, металла и других материалов, в которых почва для выращивания растений отгорожена со всех сторон от окружающей почвы. Мощность слоя почвы в лизиметре может варьировать от глубины пахотного слоя до 12 м. В зависимости от способа наполнения почвой различают лизиметры с почвой естественного строения и лизиметры с насыпной почвой. Основным оборудованием лизиметра являются приспособления, позволяющие изучать и контролировать просачивание воды и растворенных в ней веществ.
Лизиметрические опыты используют для изучения таких вопросов, как водный баланс под различными культурами, вымывание и перемещение питательных веществ почвы атмосферными осадками, определение транспирационных коэффициентов растений в естественных условиях и тому подобные. Следует иметь в виду, что полное отделение почвы в лизиметре от нижележащих слоев создает для растений иные водные, аэрационные и питательные режимы, чем в обычных полевых условиях.

Весь текст будет доступен после покупки

1) Академия Intel: Введение в разработку мультимедийных приложений с использованием библиотек ОpenCV и IPP. Лекция 3: Детекторы и дескрипторы ключевых точек. Алгоритмы классификации изображений. Задача детектирования объектов на изображениях и методы е? решения [Электронный ресурс]. – Режим доступа: http://www.intuit.ru/studies/courses/10621/1105/lecture/17983?page=1 – Загл. с экрана (дата обращения: 11.02.22).
2) Базы данных, информационно-справочные и поисковые системы: Ботаника [Электронный ресурс]: учебник / С.Г. Зайчикова, Е.И. Барабанов. – М.: ГЭОТАР–Медиа, 2009. – 288 с. Режим доступа: www.studmedlib.ru – Загл. с экрана (дата обращения: 11.02.22).
3) Баландин С.А. Абрамова Л.И. Березина Н.А. Общая ботаника с основами геоботаники: Учебное пособия для вузов. 2-е изд. испр. и доп. – М. ИКЦ. «Академ книга», 2006. – 293 с (дата обращения: 11.02.22).
4) Барабаш Ю.Л. Коллективные статистические решения при распознавании. – М.: Радио и связь, 1983. – 224 с. (дата обращения: 11.02.22).
5) Брилюк, Д.В. Старовойтов. В.В. Нейросетевые методы распознавания изображений (дата обращения: 11.02.22).
6) Кузин Л.Т. Основы кибернетики: Основы кибернетических моделей. Т.2. – М.: Энергия, 1979. – 584 с. (дата обращения: 20.02.22)
7) Бутаков Е.А., Островский В.И., Фадеев И.Л. Обработка изображений на ЭВМ. – М.: Высшая школа, 1987. – 236 с. (дата обращения: 20.02.22)
8) Веб-камера, Node.js и OpenCV: делаем систему распознавания лиц [Электронный ресурс]. Режим доступа: https:// habrahabr.ru/company/ruvds/blog/335770/. – Загл. с экрана. (дата обращения: 20.02.22)
9) Гаспариан М.С. Информационные системы и технологии [Электронный ресурс]: учебное пособие/ Гаспариан М.С., Лихачева Г.Н. – Электрон. текстовые данные. – М.: Евразийский открытый институт, 2011. – 370 с. – Режим доступа: http://www.iprbookshop.ru/10680. – ЭБС «IPRbooks», по паролю. – Загл. с экрана. (дата обращения: 20.02.20)

Весь текст будет доступен после покупки