ПРОЕКТ ПРОГРАМНОГО КОМПЛЕКСУ ДЛЯ РЕАЛІЗАЦІЇ ДОДАТКУ ДЛЯ РОЗПІЗНАВАННЯ ЛІКАРСЬКИХ РОСЛИН
DOI:
https://doi.org/10.53920/ITS-2022-1-1Ключові слова:
лікувальні рослини, ідентифікація, генератор зображень, нормалізація, нейрона мережа, розпізнавання образівАнотація
Розроблено програмний продукт призначений для поліпшення пошуку необхідних рослин та зменшення непередбачуваних випадків при використанні неправильних лікарських рослин. Зроблені аналізи існуючих аналогів, розглянути їх недоліки. За допомогою експертного оцінювання було обрано мову програмування, програмний продукт та нейронну мережу. Спроектована базова архітектура та діяльність власного продукту. За допомогою методів проектування SADT було спроектоване базовий принцип роботи системи, який містить ідентифікацію лікарських рослини по зображенню. Структурована діаграма прецедентів, яка відображає систему ідентифікації лікарських рослини по зображенню. Побудовано діаграму послідовностей, яка містить систему ідентифікації лікарських рослини по зображенню. Для побудови нейронної мережі використано 60 видів рослин – 38815 зображення, що надає чітку ідентифікацію, яка захистить людину від небезпечних помилок при використанні лікувальних рослин.
У даній роботі розглянуті такі завдання, як індифікація і розпізнавання образів, в конкретному випадку образів рослин по фотографії. Створення архітектури на основі InceptionV3, для створення моделі переднавченої нейронної мережі. Класифікатор зображень рослин на основі переднавченої нейронної мережі. Зображення в навчальній мережі було поділено на категорії в залежності від частини рослини, зображеного на них: Entire (рослина цілком), Branch (гілка), Flower (квітка), Fruit (фрукт, або ягода), LeafScan (скан листа), Leaf (лист), Stem (стебло). Для кожної з цих категорій підібрано свій найбільш відповідний метод попередньої обробки. Навчено мережу в цілому за використанням аугментації та бібліотеки Imgaug. Для аугментації обиралися ті перетворення, які відбуваються в реальному житті. Використано top-метрики для вимірювання здатності моделі видавати справжній клас рослини в списку найбільш вірогідних класів.