Материал конференции: "Труды Международной конференции по компьютерной графике и зрению "Графикон" (19-21 сентября 2022 г., Рязань)"
Авторы:Алибеков М.Р.
Диагностика биотического стресса растений методами объяснимого искусственного интеллекта
Аннотация:
Исследованы методы предобработки цифровых изображений, существенно повышающие эффективность применения методов ML, а также ряд методов и моделей ML в качестве основы для построения простых и эффективных XAI сетей для диагностики биотических стрессов растений. Построено комплексное решение, включающее в себя этапы: автоматической сегментации; извлечения признаков; классификации ML-моделями. Выбраны лучшие классификаторы и векторы признаков. Исследование выполнено на открытом датасете PlantVillage Dataset. Лучшим по критерию F1-score=93% стал однослойный персептрон (SLP), обученный на полном векторе из 92 признаков (20 статистических, 72 текстурных). Время обучения на ПК с CPU Intel Core i5-8300H составило 189 минут. По критерию “F1-score/число признаков” лучшим стал также SLP, обученный на 7 главных компонентах, с F1-score=85%. Время обучения - 29 минут. Критерий “F1- score/количество+интерпретируемость признаков” отдает предпочтение отобранным 9 признакам и модели случайный лес, F1-score=83%. Программный комплекс для исследования выполнен в современной версии Python, с использованием библиотек OpenCV и моделей глубокого обучения, и готов для применения в точном земледелии.