МЕТОД КЛАСИФІКАЦІЇ ПАТОЛОГІЙ ЛИСТЯ РОСЛИН НА ОСНОВІ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ ІЗ ЗАСТОСУВАННЯМ ТЕХНОЛОГІЙ РОЗПОДІЛЕНОГО ПАРАЛЕЛЬНОГО НАВЧАННЯ

Анотація

У роботі представлено удосконалений метод класифікації патологій листя сільськогосподарських рослин на основі глибокого навчання, спрямований на підвищення точності діагностики та скорочення часу обчислень. Запропоновано модифіковану п'ятиблокову архітектуру згорткової нейронної мережі (на базі VGG16) з інтегрованими механізмами батч-нормалізації та dropout-регуляризації, що дозволило вирішити проблему перенавчання на обмежених вибірках.

Для забезпечення ефективності експериментальних досліджень реалізовано технологію розподіленого паралельного навчання, яка базується на принципі паралелізму даних із синхронізацією градієнтів. Такий підхід дозволив суттєво прискорити процес тренування моделі та забезпечити горизонтальну масштабованість системи. Описано технологічні аспекти створення програмного забезпечення, зокрема використання декларативного конфігурування та системи версіонування, що гарантує відтворюваність експериментів та надійність результатів.

Для експериментальних досліджень обрано датасет з чотирма класами хвороб листа. Проведено експериментальні дослідження на датасеті зображень листя квасолі у чотирьох категоріях. Встановлено, що запропонований метод досягає точності 91.2%, перевищуючи базову модель на 4%. Доведено критичний вплив аугментації даних на здатність моделі до узагальнення в умовах варіативності освітлення та ракурсів зйомки.