ПОРІВНЯЛЬНИЙ АНАЛІЗ МОДЕЛЕЙ ГЛИБОКОГО НАВЧАННЯ ДЛЯ КЛАСИФІКАЦІЇ ХВОРОБ РОСЛИН У РІЗНИХ КОЛЬОРОВИХ ПРОСТОРАХ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2025.01.114Ключові слова:
нейронні мережі; згорткові нейронні мережі; глибоке навчання; комп’ютерний зір; класифікація; кольорові простори; хвороби рослин.Анотація
У даній роботі проведено порівняльний аналіз впливу кольорових просторів на точність класифікації хвороб рослин за допомогою згорткових нейронних мереж. Було навчено три архітектури моделей у чотирьох різних кольорових просторах: RGB, HSV, LUV та LAB, що в сумі дало 12 моделей. Для дослідження використано датасет, який містить понад 79 тисяч оригінальних зображень, що належать 88 класам. Точність класифікації хвороб рослин було оцінено на навчальному та тестовому наборах даних. Результати показали, що ефективність класифікації залежить не лише від архітектури моделі, а й від обраного кольорового простору. Зокрема, LAB продемонстрував незначні переваги в моделях із меншою кількістю параметрів, тоді як RGB виявився стабільно ефективним у складніших моделях. HSV та LUV показали нижчу точність у більшості випадків. Отримані результати можуть сприяти покращенню систем діагностики хвороб рослин та знайти застосування в інших галузях, таких як металургія, для підвищення точності виявлення дефектів на зображеннях металевих поверхонь.
Посилання
Singh A., Bay A., Mirabile A. Assessing the importance of colours for CNNs in object recognition. ArXiv. 2020. URL: https://arxiv.org/abs/2012.06917
Xian Z., Huang R., Towey D., Yue D. Convolutional Neural Network Image Classification Based on Different Color Spaces. Tsinghua Science and Technology. 2025, Vol. 30, Issue 1. P. 402-417. DOI: https://doi.org/10.26599/tst.2024.9010001
Dobrovsky A. Plant Disease Classification Merged Dataset. URL: https://www.kaggle.com/datasets/alinedobrovsky/plant-disease-classification-merged-dataset
