Недавно было проведено революционное исследование с использованием передовых методов изображений и машинного обучения, чтобы изменить подход к оценке качества картофельных клубней и выявлению степени поражения болезнями. Инновационный подход, в результате которого было создано доступное приложение под названием ScabyNet, показывает потенциал новейших технологий в сельском хозяйстве.
Основной целью исследования было оценить различные морфологические характеристики картофельных клубней, такие как длина, ширина, площадь и цвет, для получения ценной информации о качестве этих клубней для возможного использования на рынке. Кроме того, исследователи стремились обнаружить и количественно оценить степень поражения клубней обычной сифилисом (CS) с помощью сверточных нейронных сетей (CNN), формы машинного обучения. В конечном итоге исследование стремилось интегрировать эти функциональности в простое в использовании приложение.
Для достижения своих целей исследователи проанализировали общее количество 7200 клубней из разных генотипов картофеля в Норвегии, сделанных с помощью камеры Canon PowerShot G9 X Mark II. Затем эти изображения были обработаны с использованием OpenCV и TensorFlow в интерфейсе ScabyNet. Графический интерфейс пользователя приложения (GUI) состоял из двух основных модулей: один для оценки морфологических характеристик клубней и другой для оценки поражений, вызванных CS.
Поток обработки изображений, используемый ScabyNet, включал несколько важных шагов, включая удаление фона, преобразование цвета, идентификацию объекта и сегментацию. Чтобы обеспечить точность, исследователи использовали инструмент машинного обучения под названием Trainable Weka Segmentation (TWS), за которым следовала ручная проверка. Модуль глубокого обучения ScabyNet использовал различные архитектуры, такие как VGG16, VGG19 и ResNet50V2, чтобы предсказать уровни поражения CS.
Кроме того, ScabyNet предоставлял анализ цвета в цветовом пространстве L*a*b и использовал квантование цвета методом К-средних. Индивидуальные результаты изображений отображались на экране, а результаты пакетной обработки сохранялись в определенной папке вместе с соответствующими измерениями. В основе этой революционной методики лежит надежная система для оценки качества картофельных клубней и степени поражения болезнями, что может принести пользу сельскохозяйственным практикам и анализу рынка.
Внедряя передовые технологии, такие как передовое изображение и машинное обучение, данное исследование демонстрирует огромный потенциал для инноваций в сельском хозяйстве. Благодаря разработке ScabyNet, фермеры и исследователи теперь имеют доступный инструмент для точной оценки качества и степени поражения картофельных клубней, что приводит к более осознанной сельскохозяйственной практике и улучшенному анализу рынка.
The source of the article is from the blog guambia.com.uy