КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ СЕМЯН СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ
Ключевые слова:
Нейронные сети, сверточные нейронные сети, классификация изображений, классификация семян пшеницыАннотация
В настоящей статье рассматривается создание архитектуры сверточной нейронной
сети, классифицирующей изображения сельскохозяйственных культур (в частности пшеницы)
для последующего применения в оптическом сепараторе семян (фотосепараторе). Интерес к
проектированию нейронных сетей классификации изображений в последнее время сильно воз-
рос, что связано как с развитием теории глубоких нейронных сетей, так и возросшей вычисли-
тельной мощностью настольных компьютеров, а также переносом вычислений на графиче-
ские процессоры. Целью статьи является разработка архитектуры нейронной сети позволяю-
щей осуществить разделение входного потока семян пшеницы на два класса: «хорошие» семена
и «плохие» (с изъянами по форме и цвету) семена. Архитектура полученной нейронной сети
является сверточной, так как в отличии от полносвязной, данный класс нейронных сетей в
определенных пределах невосприимчив к изменению масштаба и угла поворота объектов во
входных данных. В работе для формирования обучающей, валидационной и тестовой выборок
использовались изображения семян, полученные с использованием бытовой фотокамеры, что
негативно сказалось на результатах обучения и тестирования нейронной сети относительно
возможного результата применения в реальном фотосепараторе. Архитектура разработан-
ной нейронной сети предварительно оптимизирована для использования на ПЛИС, однако, в
рассмотренном случае не осуществлен переход от значений весовых коэффициентов из типа
данных с плавающей запятой к целочисленному типу, что может привести к снижению точ-
ности работы нейронной сети, при этом позволив значительно уменьшить объем ресурсов
ПЛИС. Применение предложенной архитектуры позволяет получить достаточно точную
оценку классифицируемых семян пшеницы по верификационным и тестовым наборам данных.
