Интерпретируемая модель распознавания болезней листьев томата достигла точности 96,44% на независимой тестовой части набора PlantVillage. При этом двухэтапный отбор сократил число признаков с 296 до 164, или на 44,6%.
Система сначала отделяла лист от фона, сохраняя зелёные, пожелтевшие и поражённые участки. Для размеченных масок коэффициент Dice составил 92,45%, а полнота — 99,40%.
Затем алгоритм объединял цвет, текстуру, форму и расположение поражённых тканей. Отдельный признак описывал, где находится некроз — ближе к краю или внутри листовой пластинки. Полнота распознавания раннего фитофтороза выросла с 88,5% до 92%.
Разница между полной и сокращённой SVM-моделями статистически значимой не была. Современные предобученные нейросети показали более высокую абсолютную точность, зато новая схема требует меньше памяти и позволяет связать решение с понятными патологическими признаками.
Результат относится к контролируемому набору изображений. Для агрономов и разработчиков мобильной диагностики следующий ключевой этап — испытания на снимках из теплиц и полей с разным светом, фоном и смешанными симптомами.
Пока никто не ответил. Начните обсуждение.