В статье рассматривается актуальность внедрения интеллектуальных систем обнаружения сорных растений, в целях экономии гербицидов и пестицидов, также получения экологически чистых продуктов. Проведен краткий обзор научных работ исследователей, в которых описываются разработанные ими методы идентификации, классификации и дискриминизации сорняков на основе алгоритмов машинного обучения, сверточных нейронных сетей и алгоритмов глубокого обучения. В данной исследовательской работе представлена программа обнаружения вредителей сельско-хозяйственнных угодий с использованием алгоритмов K-Nearest Neighbors, Random Forest и Decision Tree. Набор данных собран из 4 видов сорных растений, такие как ширица, амброзия, вьюнок и костер. По итогам проведенной оценки, точность обнаружения сорняков классификаторами K-Nearest Neighbors, Random Forest и Decision Tree составила 83.3%, 87.5%, и 80%. Количественные результаты, полученные на реальных данных, демонстрируют, что предлагаемый подход может обеспечить хорошие результаты классификации изображений сорняков с низким разрешением.
ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ КЛАССИФИКАЦИИ РАЗНОВИДНОСТЕЙ СОРНЫХ РАСТЕНИЙ
Опубликован September 2021
Аннотация
Язык
Рус
Ключевые слова
сельское хозяйство
сорные растения
машинное обучение
сегментация
метод Оцу
классификация
оценка алгоритмов
Как цитировать
[1]
Бурибаев, Ж., Амиргалиева, Ж., Атаниязова, А., Мелис, З. и Даулетия, Д. 2021. ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ КЛАССИФИКАЦИИ РАЗНОВИДНОСТЕЙ СОРНЫХ РАСТЕНИЙ. Вестник КазНПУ имени Абая, Серия «Физико-математические науки». 75, 3 (сен. 2021), 83–93. DOI:https://doi.org/10.51889/2021-3.1728-7901.10.