Применение искусственного интеллекта для классифицирования грибов по их изображению в условиях реального времени

1. Применение Искусственного Интеллекта для классифицирования грибов по их изображению в условиях реального времени.

2.

Актуальность.
Ежегодно в России регистрируется порядка
1000 пострадавших от отравления грибами.
Около 30 случаев заканчиваются
летальными исходами.
Все знают, что поганки и мухоморы собирать
нельзя, однако статистика заставляет
задуматься.

3.

Цель: Обучить модель распознавать вид гриба,
изображённого на фотографии, и информировать
человека о возможности употреблять его в пищу, в
условиях реального времени.
Использованный ресурс:
https://teachablemachine.withgoogle.com/train (Проект с
изображениями).

4.

Практическая значимость:
1) Модель может быть использована для
определения вида гриба в условиях реального
времени, что поможет снизить смертность и
количество отравлений.
2) Данная модель может быть использована в
биологии, ботанике и микологии для
классифицирования грибов (например,
студентами при подготовке к экзамену).

5.

Задачи:
1) Сформировать обучающую выборку.
2) Обучить модель.
3) Провести тестирование, чтобы установить точность распознавания
объекта на изображении.
4) Проанализировать полученные данные.
5) Отобрать изображения объектов, входящих в незагруженные классы.
6) Использовать их для оценки модели и сделать выводы на основе анализа
полученных данных.
7) Сформировать выборку «интересных изображений» и использовать их
для тестирования модели.
8) Провести анализ собранных данных и сделать вывод о пригодности
модели.

6.

Сформируем обучающую выборку,
подобрав необходимое количество
образцов.

7.

8.

9.

10.

11.

12.

13.

14.

РЕЗУЛЬТАТ:
Точность узнавания
составила:
Мухомор – 100%
Белый гриб – 99%
Подосиновик – 99%

15.

Проведём тестирование,
используя ряд изображений
Желчного гриба.

16.

17.

18.

19.

Проведём анализ
полученных результатов.

20.

Загружено
Определено
Желчный гриб
Мухомор
Белый гриб
Подосиновик
Желчный гриб
-
4
1
5
Определено
Загружено
Ядовитый гриб
Съедобный гриб
Ядовитый гриб
50%
50%

21.

Загрузим по 20 изображений в каждый класс.

22.

Тестирование объектов класса
«Мухомор».

23.

24.

25.

26.

Результат: Мухомор был
распознан на всех изображениях,
с вероятностью не менее 88%.

27.

Тестирование объектов класса
«Белый гриб».

28.

29.

30.

31.

Загружено
Белый
гриб
Определено
Мухо
мор
Белый
гриб
-
80%
Подосино Желчн Шампинь Бледная
вик
ый
он
поганка
гриб
10%
-
10%
-

32.

Тестирование объектов класса
«Подосиновик».

33.

34.

35.

36.

Загружено
Подосино
вик
Определено
Мухо
мор
Белый
гриб
-
10%
Подосино Желчн Шампинь Бледная
вик
ый
он
поганка
гриб
90%
-
-
-

37.

Тестирование объектов класса
«Желчный гриб».

38.

39.

40.

41.

Загружено
Желчный
гриб
Определено
Мухо
мор
Белый
гриб
-
40%
Подосино Желчн Шампинь Бледная
вик
ый
он
поганка
гриб
-
60%
-
-

42.

Тестирование объектов класса
«Шампиньон».

43.

44.

45.

46.

Загружено
Шампиньон
Определено
Мухо
мор
Белый
гриб
Подоси
новик
-
-
-
Желчн Шампинь
ый
он
гриб
Бледная
поганка
10%
10%
80%

47.

Тестирование объектов класса
«Бледная поганка».

48.

49.

50.

51.

Загружено
Бледная
поганка
Определено
Мухо
мор
Белый
гриб
Подоси
новик
-
-
-
Желчн Шампинь
ый
он
гриб
Бледная
поганка
30%
50%
20%

52.

Результаты
тестирования.

53.

Загружено
Определено
Мухомор
Белый гриб
Подосиновик
Желчный
гриб
Шампиньон
Бледная
поганка
Белый гриб
100%
-
80%
10%
-
10%
-
Подосиновик
-
10%
90%
-
-
-
Желчный
гриб
-
40%
-
60%
-
-
Шампиньон
-
-
-
10%
80%
10%
Бледная
поганка
-
-
-
30%
20%
50%
Мухомор

54.

Определено
Загружено
Ядовитый гриб
Съедобный гриб
Ядовитый гриб
80%
20%
Съедобный гриб
6,67%
93,33%
В ходе ошибок ядовитый гриб относят к группе съедобных
чаще, чем съедобный к группе ядовитых.
Риск отравиться выше, чем риск потерять ценный гриб в
результате ошибки.

55.

Проведём тестирование, используя
изображения незагруженных
классов.

56.

Тестирование незнакомых
съедобных грибов.

57.

58.

Результат: большинство
незнакомых съедобных
грибов были признаны
ядовитыми.

59.

Тестирование незнакомых
ядовитых грибов.

60.

61.

Результат: большинство
незнакомых съедобных
грибов были признаны
ядовитыми.

62.

Результаты тестирования.
Определено
Загружено
Ядовитый гриб
Съедобный гриб
Ядовитый гриб
40%
60%
Съедобный гриб
60%
40%

63.

Проведём тестирование
интересных изображений.

64.

65.

66.

67.

68.

69.

70.

71.

72.

73.

74.

75.

76.

77.

78.

79.

Вывод.
Данная модель не может быть использована для
классификации грибов по следующим причинам:
• Только изображения может быть недостаточно (нужно
использовать комплекс признаков).
• Фотография одного и того же объекта, сделанная с разных
позиций, может давать разный результат.
• Велик риск отравиться или потерять ценный гриб в
результате ошибки при использовании фотографий
грибов, входящих в незагруженные классы.

80.

Возможные пути решения проблемы.
•Увеличить размер обучающей выборки для
каждого класса (несколько тысяч изображений).
•Использовать совокупность изображений, а не
одно фото, для определения принадлежности к
какому-либо классу.
•Включить как можно больше классов для
избегания ошибок в результате
классифицирования.

81.

СПАСИБО ЗА
ВНИМАНИЕ! ))