Қызанақтың төзімді сорттары мен будандарының пайда болуы көкөніс өсірушілердің қызанақ ауруларымен сирек кездесуіне әкелді. Егіннің жоғалуын болдырмау үшін қызанақтың зиянды жапырақтарын анықтап, оларды сау жапырақтардан ажырату қажет. Терең оқыту арқылы қызанақ ауруларын ерте анықтау аурудың жағымсыз әсерлерін азайтуға, сондай-ақ адамның үнемі бақылауындағы кемшіліктерді жеңуге көмектеседі. Бұл зерттеу стандартты алгоритмі бар ResNet18 сияқты конволюциялық нейрондық желілерді жіктеудің заманауи архитектураларының жұмысын, сондай-ақ қызанақ ауруларын жіктеу үшін қызанақ жапырақтарының 11000 кескінінде оңтайландырылған ResNet18 және InceptionV3 параметрлерін қолдана отырып зерттеді. Inception V3-те оқу дәлдігі 80,9%, ал валидация дәлдігі 71,8% құрады. Momentum параметрі бар ResNet архитектурасын оқыту 97,7% дәлдікпен танудың жоғары нәтижесін көрсетті. Тану нәтижелері оңтайландыру параметрінің 0,5, 0,7 және 0,9 мәндерімен салыстырылды. Оңтайландыру параметрінің оқыту сапасына әсері байқалды. Жоғары мәні бар импульсті оңтайландырғышты қолдану тербелістерді азайту және дәлдікті арттыру арқылы жақсы нәтиже береді деп қорытынды жасауға болады.