ІДЕНТИФІКАЦІЯ ХВОРОБ РОСЛИНИ КОНОПЛІ НА ОСНОВІ МЕТОДІВ МАШИННОГО НАВЧАННЯ
Modeling Control and Information Technologies · 11.11.2026 · (9) · 146
DOI: 10.31713/mcit.2026.023 ↗Kurz gefasst
Fachartikel in der Zeitschrift Modeling Control and Information Technologies, online erschienen am 11.11.2026. Verfasst von Наталія Ковальчук und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Метою роботи є розв'язання завдання автоматичного розпізнавання зображень рослин для визначення їх виду, стадії росту та наявності хвороб у тепличних господарствах. Інтеграція такої моделі, яка адаптована до специфіки коноплі, у загальну систему керування дозволяє автоматизувати догляд і вчасно виявляти патології рослин. Матеріали та методи. Для реалізації алгоритмів класифікації застосовано екосистему Anaconda та мову програмування Python, а маніпулювання даними виконувалося за допомогою бібліотек NumPy та Pandas. Проектування згорткової нейронної мережі здійснювалося за допомогою TensorFlow та інтерфейсу Keras на основі архітектури EfficientNetV2B0 із застосуванням концепції трансферного навчання (Transfer Learning) та оптимізатора Adam. Попередня обробка даних включала масштабування зображень до розміру 256x256 пікселів, застосування методів аугментації для уникнення перенавчання та розділення набору даних на навчальну (80%), тестову (10%) та валідаційну (10%) вибірки. Результати. Процес тренування нейронної мережі складався з двох етапів: навчання верхніх шарів протягом 5 епох та подальшого точного налаштування (fine-tuning) із розмороженими базовими шарами, зменшеною в 10 разів швидкістю навчання та ще 10 епохами. У результаті значення функції втрат стабільно зменшувалося, а точність моделі зросла, досягнувши показника близько 98%. Тестування на випадкових зображеннях продемонструвало високу надійність класифікації, передбачаючи мітки хвороб (наприклад, бактеріальну плямистість) з імовірністю, що наближається до 100%. Створена модель інтегрується до програмного забезпечення автоматизованої системи керування теплицею для аналізу фотографій та надання сповіщень користувачу. Висновки. У результаті дослідження було успішно розроблено алгоритм ідентифікації хвороб рослин на основі методів глибинного машинного навчання з використанням архітектури EfficientNetV2B0. Процес підготовки бази знань із застосуванням методів аугментації та розділення датасету, а також двостадійне тренування з оптимізатором Adam дозволили досягти загальної точності класифікації на рівні 98% (до 100% для окремих специфічних станів). Створена нейромережева модель успішно інтегрована у програмне забезпечення системи керування тепличним господарством, що підтверджує її практичну цінність для моніторингу стану культур і своєчасного виявлення патологій.
Zitieren
APA
Ковальчук, Н., & Єфимов, Є. (2026). ІДЕНТИФІКАЦІЯ ХВОРОБ РОСЛИНИ КОНОПЛІ НА ОСНОВІ МЕТОДІВ МАШИННОГО НАВЧАННЯ. Modeling Control and Information Technologies, 146. https://doi.org/10.31713/mcit.2026.023
Vancouver
Ковальчук Н, Єфимов Є. ІДЕНТИФІКАЦІЯ ХВОРОБ РОСЛИНИ КОНОПЛІ НА ОСНОВІ МЕТОДІВ МАШИННОГО НАВЧАННЯ. Modeling Control and Information Technologies. 2026:146. doi:10.31713/mcit.2026.023
BibTeX
@article{2026,
author = {Ковальчук, Наталія and Єфимов, Єгор},
title = {ІДЕНТИФІКАЦІЯ ХВОРОБ РОСЛИНИ КОНОПЛІ НА ОСНОВІ МЕТОДІВ МАШИННОГО НАВЧАННЯ},
journal = {Modeling Control and Information Technologies},
year = {2026},
number = {9},
pages = {146},
doi = {10.31713/mcit.2026.023}
}
EUVIMED