РАЗРАБОТКА МОДЕЛЕЙ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ БОЛЕЗНЕЙ РАСТЕНИЙ В СЕЛЬСКОМ ХОЗЯЙСТВЕ НА ОСНОВЕ НА ОСНОВЕ ВЕЙВЛЕТ ПРЕОБРАЗОВАНИЙ

Аннотация

С применением вейвлет-преобразований и методов глубокого обучения построены модели для классификации болезней растений (PlantVillage).  Построены CNN (Convolutional Neural Network – Сверточная нейронная сеть) модели с вейвлет-преобразованиями для классификации растений. Построены модели классификации болезней листьев растений, которые имеют решающее значение для эффективной защиты урожая. Построены эффективные методы и построены сверточные нейронные сети CNN. Основным достижением работы является интеграция методов глубокого обучения с WaveletFusion преобразованиями. Новый подход в моделировании в структуре глубокого обучения использует различные виды специальных функций активации для улучшения точности моделей. Предлагаемая технология интегрирует по канальную конкатенацию стационарного вейвлет-преобразования (Stationary Wavelet Transform (SWT) – Стационарное вейвлет-преобразование (СВП)), дискретного вейвлет-преобразования (Discrete Wavelet Transform (DWT) – дискретное вейвлет-преобразование(ДВП)) и изображений в оттенках серого в архитектуре кодировщика-декодера на основе трансферного обучения нейронного моделирования.