Компьютерное зрение в городском растениеводстве: классификация изображений семян микрозелени

Описана система автоматизированного посева микрозелени на вертикальных сити-фермах с применением технологий компьютерного зрения. Основная цель — создание эффективной нейронной сети для распознавания и классификации семян различных культур. В ходе исследования проведен сравнительный анализ пяти архитектур нейронных сетей, включая самописную сверточную сеть, Inception_v3, Xception, ResNet-101 и EfficientNet_b3. Ключевые результаты показали, что самописная сеть демонстрирует наивысшую точность классификации (88%), превосходя предобученные модели. Исследование выявило, что процедура удаления фона не улучшает, а ухудшает качество распознавания. Оптимальным решением оказалась стратегия работы с изображениями путем нарезки на патчи 224×224 пикселя. Практическая значимость работы подтверждается успешным развертыванием системы на микрокомпьютере Raspberry Pi с приемлемыми показателями производительности.

Аффилиация авторов

Папуловская Наталья Владимировна – канд. педагогич. наук, доцент, доцент кафедры информационных
технологий и систем управления, Чеботарев Константин Викторович – аспирант, кафедра информационных
технологий и систем управления, Институт радиоэлектроники и информационных технологий – РтФ, Уральский
федеральный университет имени первого Президента России Б. Н. Ельцина.
E-mail: n.v.papulovskaia@urfu.ru

Список литературы

1. Маликов Р.Г. Гидропоника, основные достоинства и недостатки // Инновационные технологии в АПК, как фактор развития науки в современных условиях»: Тр. XII международной научно-практической конференции. – Омск: Омский государственный аграрный университет им. П.А. Столыпина, 2024. – С. 270-274.
2. Габибова Е.Н. Выращивание зеленных культур на гидропонике // Совершенствование науки и образования в области естественных и технических исследований: Тр. XXXVI всероссийской научно-практической конференции. – Ставрополь: ООО "Ставропольское издательство "Параграф", 2023. – С. 130-131. 3. Абдуллаева Д.А. Обзор методов автоматизированного выращивания микрозелени с использованием компьютерного зрения // Информационные технологии, системный анализ и управление (ИТСАУ-2024): Тр. XХII всероссийской научной конференции молодых ученых, аспирантов и студентов. Таганрог: ДиректСайнс. 2024. – С. 334-338.
4. Жуманов И.И., Сафаров Р.А., Джуманов О.И. Идентификация, распознавание и классификация микрообъектов на основе разрежения точек изображения // Международный журнал теоретических и прикладных вопросов цифровых технологий — 2025. — 8(3) – С.29-37.
5. Косатов Д.Е., Бредихин А.В., Лезарев А С. и др. Цифровое фенотипирование семян с использованием сверточных нейронных сетей // Южно-Сибирский научный вестник. 2024. № 3(55). С. 140-145.
6. Ямпилов С.С., Нехуров Н.А., Балданов В.Б. и др. Техническое зрение в сортировке и анализе зерна // Вестник ВСГУТУ. – 2025. – № 1(96). – С. 74-80.
7. Крыловецкий А.А., Суходолов Д.М. Распознавание изображений элементов зерновых смесей методами глубокого обучения с использованием библиотек KERAS и TENSORFLOW // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. – 2018. – № 2. – С. 139-148.
8. Мусаев Ф.Б., Солдатенко А.В., Балеев Д.Н. и др. Исследование разнокачественности семян овощных культур с использованием компьютерного анализа изображений // Агрофизика. – 2019. – № 1. – С. 38-44.