Сравнительный анализ нейронных сетей в задаче мониторинга цветочных полей на наличие сорняков и других инородных предметов

1.

Презентация ИАР на тему:
«Сравнительный анализ нейронных сетей в задаче
мониторинга цветочных полей на наличие сорняков и
других инородных предметов, а также определение
разновидности цветов с использованием методов
искусственного интеллекта»
Команда: «Digital team»
Руководитель: Стрижак Сергей Владимирович - к.т.н., доцент каф.
806, старший научный сотрудник Института системного
программирования им. В.П. Иванникова Российской Академии
Наук.

2.

Состав команды:
Андреев Павел Сергеевич, М10-403С-20;
Видякина Елизавета Анатольевна, М10-403С-20;
Латышева Анастасия Андреевна, М9О-402Б-20;
Пилюгин Михаил Валерьевич, М80-206М-22;
Рудой Александр Васильевич, М40-501С-19;
Федоров Михаил Андреевич, М80-207Б-22;
Шаланов Илья Владиславович, М40-501С-19.
2

3.

Актуальность проекта
В последние годы использование спутниковых снимков и снимков с
беспилотных воздушных систем (БВС) для мониторинга
сельскохозяйственных угодий стало актуальным направлением
исследований и практического применения. Генеративные нейронные сети
(GAN) и другие архитектуры ИНС играют ключевую роль в автоматизации
процессов анализа и обработки таких изображений. Одним из важных
направлений является мониторинг цветочных полей на наличие сорняков и
других инородных предметов, а также определение разновидности цветов.
3

4.

Цель проекта
Исследовать и сравнить существующие нейросети для распознавания цветов.
Обучить нейросеть, определяющую сорт цветка и инородные предметы, в случае их
нахождения на изображении.
4

5.

Задачи для достижения цели проекта:
Создание библиотеки датасетов для обучения нейросетей;
обучение и разработка кода в готовых нейросетях для последующего их
сравнительного анализа;
обучение нейросетей на подготовленных датасетах;
сравнительный анализ используемых нейросетей;
сравнительный
анализ
самых
эффективныхвариантов,
используемых
нейросетей для обработки одинаковой визуальной информации на одинаковой
аппаратной части;
Составление презентации и итогового файла ИАР
5

6.

Алгоритм решения проектной задачи
- создание нейросети, которая способна анализировать данные и распознавать
объекты, находящиеся на изображении.
- обучение нейросетей
- Оценка результатов обучения моделей
- Выбор лучшей модели
- Подготовка и представление итоговой аналитической работы
6

7.

Выбор модели нейросети
На основе полученных данных, был сделан выбор в пользу версии модели нейросети
Yolo v8. Эта модель показала хорошие результаты распознавания объектов на
изображении.
Некоторые из важных особенностей YOLO V8 включают следующее:
- повышенная точность и скорость по сравнению с предыдущими версиями YOLO;
- обновленная сеть магистралей, основанная на EffulfiveNet, которая улучшает
способность модели захватывать функции высокого уровня;
- новый модуль слияния функции, который интегрирует функции из нескольких
шкал;
-усовершенствованные методы аугментирования (увеличения данных), в том числе
MixUp и CutMix.
7

8.

Стек технологии
Среда работы: google collab
Хранение данных: google диск
Язык программирования: Python
Модель нейронной сети: YOLO v8
Используемые библеотеки: Ultralitics
Поиск датасетов: Roboflow
8

9.

Результаты работы
9

10.

10

11.

11

12.

12

13.

13

14.

14

15.

15

16.

Заключение
Данный проект направлен на разработку и применение
передовых методов машинного обучения, в частности
нейронных сетей, для автоматизации процессов анализа данных
аэрофотосъемки с дронов. Результаты, полученные в ходе
выполнения проекта, свидетельствуют о значительном
прогрессе в этой области и предоставляют ценные
рекомендации для дальнейших исследований и практического
применения.
16

17.

Спасибо за внимание!

18.

18

19.

19

20.

20

21.

21