ВЕЙВЛЕТ ӨЗГӨРТҮҮЛӨРҮНӨ НЕГИЗДЕЛГЕН АЙЫЛ ЧАРБАСЫНДА ӨСҮМДҮК ООРУЛАРЫН ПРОГНОЗДОО ҮЧҮН ТЕРЕҢ ОКУТУУ МОДЕЛДЕРИН ИШТЕП ЧЫГУУ
DOI:
https://doi.org/10.52754/16948610_2026_1_16Ачкыч сөздөр:
вейвлет өзгөртүүлөр, терең окутуу, конволюциялык нейрон тармактары, моделдөө, прогноздоо, моделдин тактыгы жана каталары, өсүмдүк ооруларыАннотация
Бул макалада вейвлет өзгөртүүлөрүн жана терең окутуу ыкмаларын колдонуу менен өсүмдүк ооруларын классификациялоо үчүн моделдер (PlantVillage) каралган. Өсүмдүктөрдү классификациялоо үчүн вейвлет трансформациялары бар конволюциялык нейрон тармагынын (Convolutional Neural Network (CNN) – Сверточная нейронная сеть) моделдери тургузулган. Өсүмдүктөрдү натыйжалуу коргоо үчүн абдан маанилүү болгон өсүмдүк жалбырактарынын ооруларын классификациялоо үчүн моделдер тургузулган. Натыйжалуу ыкмалар жана конволюциялык нейрон тармактары (CNN) тургузулган. Бул иштин негизги жетишкендиги - терең окутуу ыкмаларын WaveletFusion өзгөртүүлөрү менен интеграциялоо. Терең окутуу алкагында моделдөөнүн жаңы ыкмасы моделдердин тактыгын жогорулатуу үчүн ар кандай атайын активдештирүү функцияларын колдонулат. Сунушталган технология нейрондук моделдөөнүн которуу менен окутуусуна негизделген коддоочу-декоддоочу архитектурада стационардык вейвлет өзгөртүүлөрүнүн (Stationary Wavelet Transform (SWT) – Стационарное вейвлет-преобразование), дискреттик вейвлет өзгөртүүлөрүнүн (Discrete Wavelet Transform (DWT) – дискретное вейвлет-преобразование) жана боз түстөгү сүрөттөрдүн канал боюнча конкатенациясын бириктирет.
Библиографиялык шилтемелер
Кожобеков, К., Ракишева, Д., Пакал уулу, Д. (2025). Моделирование движения централизованно управляемых транспортных средств на перекрёстке с использованием методов искусственного интеллекта. Вестник Ошского государственного университета, (4), 276–289. https://doi.org/10.52754/16948610_2025_4_21 DOI: https://doi.org/10.52754/16948610_2025_4_21
Downer, J. (2022). Effect of fertilizers on plant diseases - Topics in Subtropics - ANR Blogs. Topics in Subtropics. URL: https://ucanr.edu/blogs/blogcore/postdetail.cfm?postnum=12364
Ishengoma, F.S., Rai, I.A., Ngoga, S.R. (2022). Hybrid convolution neural network model for a quicker detection of infested maize plants with fall armyworms using UAV- based images. Ecological Informatics, 67, https://doi.org/10.1016/j.ecoinf.2021.101502 DOI: https://doi.org/10.1016/j.ecoinf.2021.101502
Jackson, T. Northern corn leaf blight, Nebraska Extension G2270 (2015) 1-4. Crops, Plant Diseases.
Onwunali, M.R.O., Mabagala, R.B. Assessment of yield loss due to northern leaf blight in ve maize varieties grown in Tanzania, Journal of Yeast and Fungal Research, 11 (1), 37–44. https://doi.org/10.5897/jyfr2017.0181 DOI: https://doi.org/10.5897/JYFR2017.0181
Pethybridge, S.J., Nelson, S.C. (2015). Leaf doctor: a new portable application for quantifying plant disease severity, Plant Dis. 99 (10), 1310–1316, https://doi.org/10.1094/PDIS-03-15-0319-RE DOI: https://doi.org/10.1094/PDIS-03-15-0319-RE
Riehle, D., Reiser, D., Griepentrog, Hans W. (2020). Robust index-based semantic plant/background segmentation for RGB- images. Computers and Electronics in Agriculture, 169, https://doi.org/10.1016/j.compag.2019.105201 DOI: https://doi.org/10.1016/j.compag.2019.105201
Rouf Shah, T., Prasad, K., & Kumar, P. (2016). Maize - A potential source of human nutrition and health: A review. Cogent Food & Agriculture, 2(1). https://doi.org/10.1080/23311932.2016.1166995 DOI: https://doi.org/10.1080/23311932.2016.1166995
Tomar, V., Singh, D., Dhillon, G.S., Chung, Y.S., Poland, J., Singh, R.P., Joshi, A.K., Gautam, Y., Tiwari, B.S., Kumar, U. (2021). Increased Predictive Accuracy of Multi-Environment Genomic Prediction Model for Yield and Related Traits in Spring Wheat (Triticum aestivum L.). Front. Plant Sci. https://doi.org/10.3389/fpls.2021.720123 DOI: https://doi.org/10.3389/fpls.2021.720123
Жүктөөлөр
Жарыяланды
Кандай шилтеме берүү керек
Саны (чыгарылыш)
Бөлүм
Лицензия
Copyright (c) 2026 Элзарбек Эшаров, Тынчтыкбек Асилбеков
