Аннотации:
У роботі розглянуто питання автоматизованого виявлення хвороб рослин із
використанням методів комп’ютерного зору та глибинного навчання.
Обґрунтовано актуальність створення інформаційної системи, здатної забезпечити
точну та оперативну діагностику захворювань у польових умовах. Проведено аналіз
сучасних підходів і технологій, зокрема застосування згорткових нейронних мереж
для класифікації візуальних симптомів. Розроблено архітектуру інформаційної
системи, що включає модулі збору, попередньої обробки, аналізу зображень,
управління даними та формування рекомендацій. Створено прототип на базі
фреймворків TensorFlow та Streamlit, який забезпечує повний цикл роботи – від
завантаження зображення до отримання діагнозу і формування звіту. Проведено
тестування моделі EfficientNetB0, яке підтвердило її ефективність (AUC = 0.823,
Accuracy = 0.79) і можливість подальшого удосконалення через розширення
навчальної вибірки та інтеграцію спектральних даних.
