Разработка системы оценки трехмерного положения зараженного растения картофеля
DOI:
https://doi.org/10.28983/asj.y2025i3pp136-142Ключевые слова:
картофель, фитопрочистка, возделывание семенного картофеля, машинное обучение, нейронные сети, машинное зрениеАннотация
В статье предложена методика определения координат зараженных растений картофеля, включающая расчет расстояний от рабочего органа до объектов с использованием пиксельных данных. Представлены графики функции потерь для тренировочных и валидационных выборок, показывающие успешное обучение модели. Результаты исследований подтверждают эффективность разработанной системы и ее способность точно определять координаты зараженных растений картофеля, что может быть полезно для автоматизации процесса удаления больных растений и повышения эффективности работы сельскохозяйственной техники.
Скачивания
Библиографические ссылки
Использование нейронной сети для выявления больных растений картофеля / А. Г. Аксенов [и др.] // Аграрная наука. 2022. № 7–8. С. 167–171. DOI 10.32634/0869-8155-2022-361-7-8-167-171.
К вопросу об исследованиях по хранению картофеля / С. Н. Борычев [и др.] // Вестник Рязанского государственного агротехнологического университета им. П. А. Костычева. 2019. №. 2(42). С. 129–135.
Контейнерно-транспортная технология уборки, хранения и реализации селекционного картофеля первой полевой репродукции / А. С. Дорохов [и др.] // Вестник РСХН. 2024. № 1. С. 72–76.
Лобачевский Я. П., Ценч Ю. С. Принципы формирования систем машин и технологий для комплексной механизации и автоматизации технологических процессов в растениеводстве // Сельскохозяйственные машины и технологии. 2022. № 16(4). C. 4–12. DOI: 10.22314/2073-7599-2022-16-4-4-12.
Научно-технические достижения агроинженерных научных организаций в условиях цифровой трансформации сельского хозяйства / Я. П. Лобачевский [и др.] // Техника и оборудование для села. 2023. № 4(310). С. 2–5. DOI: 10.33267/2072-9642-2023-4-2-5.
Перспективы развития экологических приемов защиты картофеля от болезней и вредителей / В. Н. Зейрук [и др.] // Аграрная наука. 2019. № 3. С. 54–59. DOI 10.32634/0869-8155-2019-326-3-54-59.
Показатели качества работы автоматизированной машины для ухода за растениями картофеля в селекции и семеноводстве / Н. В. Сазонов [и др.] // Сельскохозяйственные машины и технологии. 2024. Т. 18. № 1. С. 60–67. DOI 10.22314/2073-7599-2024-18-1-60-67.
Современные технологии и техника для сельского хозяйства – тенденции выставки Аgritechnika 2019 / Измайлов А.Ю. [и др.] // Тракторы и сельхозмашины. 2020. № 6. C. 28–40. DOI: 10.31992/0321-4443-2020-6-28-40.
Ценч Ю. С., Годлевская Е. В. Математическое моделирование как инструмент проектирования сельскохозяйственных машин и агрегатов (применительно к истории развития научной школы Южного Урала) // Сельскохозяйственные машины и технологии. 2023. Т. 17. № 2. C. 4–12. 10.22314/2073-7599-2023-17-2-4 12. DOI: 10.22314/2073-7599-2023-17-2-412.
Golmohammadi A., Bejaei F., Behfar H. Design, development and evaluation of an online potato sorting system using machine vision // International Journal of Agriculture and Crop Sciences. 2013. No. 6. P. 396–402. DOI: cabdirect.org/cabdirect/abstract/20133372449.
Khanam R., Hussain M. Yolov11: An overview of the key architectural enhancements // arXiv preprint arXiv:2410.17725. 2024.
Pedersen S. M., Fountas S., Blackmore S. Agricultural robots – Applications and economic perspectives. Service Robot Applications. London, UK, 2008.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Аграрный научный журнал
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
