2023. — Т 15. — № 5 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/64ecvn523.html

Полный текст статьи в формате PDF (объем файла: 572.3 Кбайт)


Ссылка для цитирования этой статьи:

Глухих, И. Н. Методы компьютерного зрения для предскhttps://esj.today/64ecvn523.htmlазательной оценки объемов урожая продукции на городской ферме / И. Н. Глухих, А. С. Прохошин, В. Н. Щербакова [и др.] // Вестник Евразийской науки. — 2023. — Т 15. — № 5. — URL: https://esj.today/PDF/64ECVN523.pdf (дата обращения: 25.02.2024).


Методы компьютерного зрения для предскhttps://esj.today/64ecvn523.htmlазательной оценки объемов урожая продукции на городской ферме

Глухих Игорь Николаевич
ФГАОУ ВО «Тюменский государственный университет», Тюмень, Россия
Заведующий кафедрой «Информационных систем»
Доктор наук, профессор
E-mail: i.n.glukhikh@utmn.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=132551

Прохошин Алексей Сергеевич
ФГАОУ ВО «Тюменский государственный университет», Тюмень, Россия
Институт экологической и сельскохозяйственной биологии (X-BIO)
Лаборатория сельскохозяйственной микологии и биологической защиты растений
Руководитель проекта
E-mail: a.s.prokhoshin@utmn.ru

Щербакова Виктория Николаевна
ФГАОУ ВО «Тюменский государственный университет», Тюмень, Россия
E-mail: stud0000263830@study.utmn.ru

Мальцева Анастасия Евгеньевна
ФГАОУ ВО «Тюменский государственный университет», Тюмень, Россия
E-mail: stud0000263172@study.utmn.ru

Глухих Дмитрий Игоревич
ФГАОУ ВО «Тюменский государственный университет», Тюмень, Россия
Аспирант
E-mail: d.i.glukhikh@utmn.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=1082773

Аннотация. В статье рассматривается повышение эффективности бизнес-процессов городских ферм с помощью внедрения инструментов искусственного интеллекта и компьютерного зрения. Авторами затрагивается вопрос оценки ожидаемого объема продукции на городской ферме на примере плодов земляники. В рассматриваемом случае объем урожая и сроки созревания определяются многими факторами, однако, для оперативного прогноза с учетом фактического состояния дел на ферме необходимо опираться на имеющееся состояние выращиваемой продукции. В обычных условиях это выполняется человеком (агрономом), который по результатам визуального наблюдения делает выводы о предполагаемых объемах продукции. При этом опытный специалист способен учесть не только степени зрелости плода, но и их кондицию, соответствие требованиям к продукции, разную степень зрелости и т. п. Подобная работа не только требует высокого уровня знаний, но и является весьма трудоемкой, особенно, на значительных площадях выращивания растений. В условиях городской фермы, где модули выращивания располагаются вертикально, добавляются еще и трудности доступа для визуального наблюдения и подсчетов. В работе исследуются возможности моделей компьютерного зрения для оперативного сбора данных и оценки ожидаемого объема продукции на городской ферме. На примере выращивания земляники поставлены и решены задачи обнаружения плодов с выделением классов спелости и определения кондиции плода на изображениях реальных кустов ягод, выращиваемых в условиях городской фермы. Использованы предобученные нейронные сети, собраны наборы обучающих данных, на которых нейросети были дообучены для выполнения поставленной задачи. Результаты обнаружения использованы для подсчета оценки ожидаемого объема урожая продукции заданного качества.

Ключевые слова: городская ферма; прогнозирование урожая; искусственный интеллект; компьютерное зрение; автоматизация; земляника; кондиция плода; спелость плода

Скачать

Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.

ISSN 2588-0101 (Online)

Уважаемые читатели! Комментарии к статьям принимаются на русском и английском языках.
Комментарии проходят премодерацию, и появляются на сайте после проверки редактором.
Комментарии, не имеющие отношения к тематике статьи, не публикуются.

Добавить комментарий