Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://dspace.opu.ua/jspui/handle/123456789/15131
Название: Розпізнавання хвороб дерев яблуні за допомогою штучного інтелекту
Другие названия: Apple tree disease recognition using artificial intelligence
Авторы: Чорна, Марина
Chorna, Maryna
Фонар, Людмила Сергіївна
Fonar, Liudmyla
Ключевые слова: штучний інтелект
сталий розвиток
машинне навчання
розпізнавання зображень
комп’ютерний зір
амобільний застосунокгротехнології
хвороби яблуні
мобільний застосунок
artificial intelligence
sustainable development
machine learning
image recognition
computer vision
agrotechnology
apple tree diseases
mobile application
Дата публикации: 2025
Издательство: Національний університет "Одеська політехніка"
Библиографическое описание: Чорна, М. Розпізнавання хвороб дерев яблуні за допомогою штучного інтелекту / М. Чорна ; наук. керівник Л. Фонар // Еколог. безпека та сталий розвиток : тези доп. студент. наук.-практ. конф., м. Одеса, 29 квіт. – 1 трав. 2025 р. – Одеса, 2025. – Вип. 1. – С. 29–31.
Краткий осмотр (реферат): У роботі розглянуто розробку мобільного застосунку на основі штучного інтелекту для розпізнавання хвороб дерев яблуні за зображенням. Визначено актуальність проблеми захворюваності яблуневих садів в Україні та обґрунтовано доцільність використання комп’ютерного зору для своєчасної діагностики. Побудовано модель машинного навчання, що здатна ідентифікувати типи хвороб із високою точністю. Для навчання використано анотовані зображення, доповнені методами аугментації. Модель оптимізовано для мобільних пристроїв за допомогою TensorFlow Lite. Запропонований підхід сприяє підвищенню ефективності догляду за садами та зниженню втрат урожаю.
This paper presents the development of a mobile application based on artificial intelligence for identifying apple tree diseases from images. The relevance of disease issues in apple orchards in Ukraine is highlighted, and the feasibility of using computer vision technologies for timely diagnostics is substantiated. A machine learning model capable of accurately identifying disease types has been built. The training was conducted using annotated images augmented by rotation, mirroring, and brightness adjustment methods. The model has been optimized for mobile devices using TensorFlow Lite. The proposed approach improves orchard monitoring efficiency and helps reduce crop losses.
URI (Унифицированный идентификатор ресурса): http://dspace.opu.ua/jspui/handle/123456789/15131
Располагается в коллекциях:Екологічна безпека та сталий розвиток

Файлы этого ресурса:
Файл Описание РазмерФормат 
29-31-Chorna.doc317.5 kBMicrosoft WordПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.