Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів
DOI:
https://doi.org/10.31649/1681-7893-2024-48-2-114-127Ключові слова:
інтелектуальна система, машинне навчання, нейронна мережа, розпізнавання зображень, ІТ-галузь, ризик-менеджмент та маркетинг.Анотація
У статті представлено розробку інтелектуальної системи для розпізнавання видів грибів, яка забезпечує високу точність і зручність у використанні. Для навчання моделі було використано великий датасет "Mushrooms classification" з платформи Kaggle, що забезпечило необхідну різноманітність зображень і досягнення точності класифікації на рівні 85%. Попередня обробка даних включала перевірку якості зображень, їх стандартизацію та поділ на тренувальні, валідаційні й тестові вибірки, що сприяло ефективному навчанню моделі. Основою алгоритму розпізнавання стала згорткова нейронна мережа ResNet, яка продемонструвала перевагу в точності над іншими архітектурами.
Посилання
Johaira U. Lidasan, & Martina P. Tagacay. (2018). Mushroom Recognition using Neural Network. International Journal of Computer Science Issues, 15(5), 52–57. https://doi.org/10.5281/zenodo.1467659
Deep learning for computer vision. Part 1 / V.V. Dvorak, M.V. Talakh - Chernivtsi: Technoprint, 2022 - 271 p.
Timchyshyn R.M., Volkov O.E., Gospodarchuk O.Yu., Bogachuk Yu.P. Modern approaches to solving problems of computer vision // collection. of Sciences, "Management Systems and Computers", USiM, 2018, No. 6, p. 46-73.
Zinchenko O.V., Zvenigorodskyi O.S., Kysil T.M. Convolutional neural networks for solving computer vision problems. Telecommunications and information technologies. Kyiv, 2022, No. 2(75), p. 4-12.
Du, A.; Zhou, Q.; Dai, Y. Methodology for Evaluating the Generalization of ResNet. Appl. Sci. 2024, 14, 3951. https://doi.org/10.3390/app14093951
Wang, Z., Bovik, A. C. and Lu, L. “Why is image quality assessment so difficult?”, Proceedings of 2002 IEEE International Conference on Acoustics, Speech, and Signal Processing, 13–17 May 2002, Orlando, FL, USA, Vol. 4, pp. IV-3313-IV-3316.
Chollet, F. Deep Learning with Python, 2nd ed., Manning Publications Co., 2021, 478 p.
Stepanov A., Kornaga Ya.,. Krylov Ye, Anikin V. (2021). Peculiarities of indexing in databases and choosing the optimal implementation. Adaptive automatic control systems, No. 2(37), p. 110–117.
Lathkar M. High-Performance Web Apps with FastAPI. California : Apress Berkeley, 2023. 309 p.
Advancements in CNN Architectures for Computer Vision: A Comprehensive Review. - This paper explores recent developments in CNN architectures and their applications in image classification, object detection, and segmentation. IEEE 2023. https://ieeexplore.ieee.org/document/9654151.
A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects. - A thorough analysis of CNN advancements, covering foundational concepts and current innovations in architecture, along with applications in healthcare, security, and autonomous vehicles. IEEE Transactions on Neural Networks and Learning Systems, 2022. https://ieeexplore.ieee.org/document/9451544
Deep Residual Learning for Image Recognition: A Review of ResNet Architectures. - Discusses ResNet variations and improvements in training deeper CNNs efficiently. International Journal of Neural Systems, 2021.
Convolutional Neural Networks for Visual Recognition and Beyond. - This book chapter covers CNNs from basic principles to advanced techniques in computer vision Advances in Neural Information Processing Systems, 2021.
EfficientNet and Beyond: CNNs Optimized for Resource-Constrained Environments. - Focuses on the EfficientNet family of models, which optimize accuracy and efficiency for practical applications Neural Networks, 2022.
Application of CNNs in Biomedical Imaging: Opportunities and Challenges. - A specialized review on the use of CNNs in analyzing medical images for disease detection IEEE Transactions on Medical Imaging, 2021.
CNNs in Autonomous Driving: Current Research and Future Directions - A practical survey on CNN applications in autonomous vehicle systems, including object detection and lane tracking. Journal of Field Robotics, 2020.
Transfer Learning in CNNs: A Pathway to Efficient Model Deployment. - Examines transfer learning to adapt pre-trained CNN models for specific tasks, reducing computational demands. Pattern Recognition Letters, 2021.
Attention Mechanisms in Convolutional Neural Networks: Enhancing Model Interpretability. - Analyzes attention mechanisms within CNNs and their impact on interpretability and accuracy. IEEE Transactions on Neural Networks and Learning Systems, 2022.
Wójcik Waldemar, Smolarz Andrzej (2017). Information Technology in Medical Diagnostics, July 11, 2017 by CRC Press, 210 Pages.
Highly linear Microelectronic Sensors Signal Converters Based on Push-Pull Amplifier Circuits / edited by Waldemar Wojcik and Sergii Pavlov, Monograph, (2022) NR 181, Lublin, Comitet Inzynierii Srodowiska PAN, 283 Pages. ISBN 978-83-63714-80-2
Pavlov Sergii, Avrunin Oleg, Hrushko Oleksandr, and etc. (2021). System of three-dimensional human face images formation for plastic and reconstructive medicine // Teaching and subjects on bio-medical engineering Approaches and experiences from the BIOART-project Peter Arras and David Luengo (Eds.), , Corresponding authors, Peter Arras and David Luengo. Printed by Acco cv, Leuven (Belgium). - 22 P. ISBN: 978-94-641-4245-7.
Pavlov S.V., Avrunin O.G., etc. (2019). Intellectual technologies in medical diagnosis, treatment and rehabilitation: monograph / [S. In edited by S. Pavlov, O. Avrunin. - Vinnytsia: PP "TD "Edelweiss and K", 260 p. ISBN 978-617-7237-59-3.
Romanyuk, O., Zavalniuk, Y., Pavlov, S., etc. (2023). New surface reflectance model with the combination of two cubic functions usage, Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Srodowiska, , 13(3), pp. 101–106
Kukharchuk, Vasyl V., Sergii V. Pavlov, Volodymyr S. Holodiuk, Valery E. Kryvonosov, Krzysztof Skorupski, Assel Mussabekova, and Gaini Karnakova. (2022). "Information Conversion in Measuring Channels with Optoelectronic Sensors" Sensors 22, no. 1: 271. https://doi.org/10.3390/s22010271.
Vasyl V. Kukharchuk, Sergii V. Pavlov, Samoil Sh. Katsyv, and etc. (2021). Transient analysis in 1st order electrical circuits in violation of commutation laws”, Przegląd elektrotechniczny, ISSN 0033-2097, R. 97 NR 9/2021, p. 26-29, doi:10.15199/48.2021.09.05.
##submission.downloads##
-
PDF
Завантажень: 33
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
