ВИЗНАЧЕННЯ СТАДІЙ ЗРІЛОСТІ ПОЛУНИЦІ ЗА ДОПОМОГОЮ МОДЕЛЕЙ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ

Анотація

Протягом всієї історії сільського господарства технології вирощування та збору урожаю постійно вдосконалюються, полегшуючи роботу та полі та збільшуючи ефективність збору плодів. Сьогодні у галузь агропромисловості теж проникають сучасні технології, зокрема штучний інтелект. Його використання щороку стає дедалі поширенішим. Ця технологія дозволяє виробникам агропродукції в режимі реального часу отримувати великі обсяги інформації, аналізувати їх та приймати рішення щодо внесення добрив, використання пестицидів, зрошування та визначення зрілості плоду або рослини.. Не менш важливим аспектом застосування рішень штучного інтелекту є відслідковування вуглецевого сліду, що дає перевагу при виході на європейські ринки збуту. Поєднання з новітніми розробками безпілотних машин та роботів дозволяє збільшити продуктивність та обсяги виробництва у сільському господарстві. 
Важливою частиною сучасної агропромисловості є комп’ютерний зір — одна з галузей штучного інтелекту, яка зосереджена на створенні інтелектуальних систем, які здатні обробляти та аналізувати візуальну інформацію так, як це робить людська сенсорна система. У рамках даної технології часто використовуються нейронні мережі, що здійснюють як розпізнавання зображень, так і їхню класифікацію. 
У статті здійснено порівняльний аналіз різних моделей згорткових нейронних мереж для класифікації стадії дозрівання полуниці, а саме MobileNetV2, MobileNetV3Small та EfficientNetB0. Для оцінки нейромережі враховувалися такі параметри, як точність навчання та валідації, втрати при навчанні та валідації, час навчання. У результаті найкращі показники виявилися у мережі MobileNetV3Small. Результати та методика цього дослідження можуть бути корисними як для науковців, так і для підприємців, що працюють в агропромисловості та впроваджують штучний інтелект у виробничий процес.