Разработка искусственной нейронной сети для классификации дефектных участков сельскохозяйственных полей по цветным изображениям
Алексей Рогачев
Как преподавателю технического ВУЗа освоить современные языки программирования и повысить свое мастерство
Алексей Рогачев — преподаватель технического ВУЗа, кафедры математического моделирования. Взялся за изучение нейросетей для саморазвития и исследовательских целей. Алексей — самый старший выпускник Университета ИИ: на момент обучения ему было за 60.
Программированием не занимался много лет — когда-то использовал «старый, добрый» Фортран. В процессе обучения вынужден был уделить внимание языку Python и основам объектно-ориентированного программирования.
«Изучение программирования практически с нуля далось мне сложно, отчасти и тяжело, но было очень интересно. Благодаря продуманной программе курса получалось шаг за шагом усвоить конструкции Python. Преподаватели — яркие и харизматичные — давали много полезного и оказывали поддержку. Поэтому удалось завершить обучение с разработкой своего проекта. И планирую продолжить обучение по одной из новых Программ в Университете Искусственного Интеллекта».
Цель дипломной — создание нейронной сети, которая могла бы распознавать состояние участков сельскохозяйственных полей, а именно выявлять дефектные участки по изображениям с дронов.
Когда речь идет о десятках гектаров земли, ручного труда специалистов не хватает. Для решения задачи специалисты пытаются использовать средства дистанционного зондирования. Но оценить дефекты по полученным изображениям довольно сложно. Нейросеть сможет решить проблему в тех масштабах, где коллектив людей не в состоянии справиться.
Разработанной сети для обучения предлагались «эталонные» изображения качественных и дефектных участков. Она отличала, какие участки содержали дефекты. Итоговая точность нейросети на тестовой выборке— 71-83 %. Этого вполне достаточно, чтобы сеть помогала в реальной работе. Стоит отметить, что размер обучающей базы был достаточно малым — порядка 300 изображений, что потребовало реализации аугментации. Увеличение обучающей выборки позволит значительно поднять точность распознавания в будущем.
В планах — разработка следующего этапа, после завершения которого усовершенствованная архитектура сети сможет классифицировать участки по типам дефектов. В этом, по мнению, Алексея, поможет улучшение обучающей выборки и корректировка ее макропараметров.
Программированием не занимался много лет — когда-то использовал «старый, добрый» Фортран. В процессе обучения вынужден был уделить внимание языку Python и основам объектно-ориентированного программирования.
«Изучение программирования практически с нуля далось мне сложно, отчасти и тяжело, но было очень интересно. Благодаря продуманной программе курса получалось шаг за шагом усвоить конструкции Python. Преподаватели — яркие и харизматичные — давали много полезного и оказывали поддержку. Поэтому удалось завершить обучение с разработкой своего проекта. И планирую продолжить обучение по одной из новых Программ в Университете Искусственного Интеллекта».
Цель дипломной — создание нейронной сети, которая могла бы распознавать состояние участков сельскохозяйственных полей, а именно выявлять дефектные участки по изображениям с дронов.
Когда речь идет о десятках гектаров земли, ручного труда специалистов не хватает. Для решения задачи специалисты пытаются использовать средства дистанционного зондирования. Но оценить дефекты по полученным изображениям довольно сложно. Нейросеть сможет решить проблему в тех масштабах, где коллектив людей не в состоянии справиться.
Разработанной сети для обучения предлагались «эталонные» изображения качественных и дефектных участков. Она отличала, какие участки содержали дефекты. Итоговая точность нейросети на тестовой выборке— 71-83 %. Этого вполне достаточно, чтобы сеть помогала в реальной работе. Стоит отметить, что размер обучающей базы был достаточно малым — порядка 300 изображений, что потребовало реализации аугментации. Увеличение обучающей выборки позволит значительно поднять точность распознавания в будущем.
В планах — разработка следующего этапа, после завершения которого усовершенствованная архитектура сети сможет классифицировать участки по типам дефектов. В этом, по мнению, Алексея, поможет улучшение обучающей выборки и корректировка ее макропараметров.
Алексей Рогачев
Выпускник Университета искусственного интеллекта
Изучение программирования практически с нуля далось мне сложно, отчасти и тяжело, но было очень интересно. Благодаря продуманной программе курса получалось шаг за шагом усвоить конструкции Python.
Преподаватели — яркие и харизматичные — давали много полезного и оказывали поддержку. Поэтому удалось завершить обучение с разработкой своего проекта. И планирую продолжить обучение по одной из новых Программ в Университете Искусственного Интеллекта.
Преподаватели — яркие и харизматичные — давали много полезного и оказывали поддержку. Поэтому удалось завершить обучение с разработкой своего проекта. И планирую продолжить обучение по одной из новых Программ в Университете Искусственного Интеллекта.
Дмитрий Романов
Основатель Университета искусственного интеллекта
Часто кажется, что нейросети под силу только молодому поколению, но это не так. Алексей прекрасно освоил нейронные сети в своем зрелом возрасте.
Имея небольшой опыт программирования в прошлом, он с нуля освоил эту сферу и реализовал значимый проект, который может с успехом использоваться в сфере сельского хозяйства в масштабах всей страны.
Имея небольшой опыт программирования в прошлом, он с нуля освоил эту сферу и реализовал значимый проект, который может с успехом использоваться в сфере сельского хозяйства в масштабах всей страны.
Тимофей Скрыльник
Дмитрий Полещенко