Найти

Результаты поиска

• КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ СЕМЯН СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ

  В. А. Деркачев , В. В. Бахчевников, А. Н. Бакуменко

  2020-11-22

  Аннотация ▼

  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.