NobleBlocks

Research indexJournal article

Система диагностики болезней растений на основе анализа изображений

Исламов

Electronic Library of Peter the Great Polytechnic University21 Aug 2026Open access

NobleIDark:/48914/w1/20261105/33E8B026DOI10.18720/spbpu/3/2026/vr/vr26-4411

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Выпускная квалификационная работа посвящена разработке и исследованию системы диагностики болезней растений на основе анализа изображений. В работе рассматривается задача автоматической классификации изображений листьев растений с использованием методов компьютерного зрения и сверточных нейронных сетей, а также разработка пользовательского интерфейса системы на базе Telegram-бота. Актуальность темы обусловлена необходимостью оперативной предварительной диагностики заболеваний растений. Традиционные методы диагностики, основанные на визуальном осмотре специалистом или лабораторных исследованиях, могут обеспечивать высокую достоверность, однако требуют времени, квалификации и специального оборудования. В связи с этим возрастает потребность в интеллектуальных информационных системах, способных выполнять первичную оценку состояния растения по изображению и предоставлять пользователю результат в удобной форме. Объектом исследования является процесс диагностики болезней растений по визуальным признакам. Предметом исследования являются методы машинного обучения, компьютерного зрения и проектирования информационных систем, применяемые для анализа изображений растений и формирования диагностического результата. Цель выпускной квалификационной работы – разработать и исследовать информационную систему диагностики болезней растений на основе анализа изображений, включающую аналитический модуль классификации и пользовательский интерфейс на базе Telegram-бота. Для достижения цели выполнен анализ предметной области диагностики заболеваний растений, рассмотрены методы компьютерного зрения и сверточных нейронных сетей, а также проведён обзор существующих систем диагностики растений. Разработана архитектура системы, включающая аналитический модуль и Telegram–бот. В качестве модели использована MobileNetV2 с применением transfer learning. Для обучения применялся датасет New Plant Diseases Dataset. Изображения были разделены на обучающую, валидационную и тестовую выборки, а также предварительно обработаны.Экспериментальные результаты показали высокое качество классификации: accuracy – 0,9423, precision – 0,9459, recall – 0,9423 и F1–score – 0,9422. Проведено сравнение с Plant.id API, в котором разработанная модель показала более высокие результаты. Разработанная система включает Telegram–бот, модуль обработки изображений и аналитический модуль классификации на основе сверточной нейронной сети.

Discussion

More

Suggest a correction or report