РАЗРАБОТКА МОБИЛЬНОГО ПРИЛОЖЕНИЯ ДЛЯ КЛАССИФИКАЦИИ ОВЕЦ НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ
DOI:
https://doi.org/10.37884/1-2022/13Ключевые слова:
Искусственный интеллект, Машинное обучение, Свёрточные нейронные сети, интеллектуальная система, обучение нейронной сети, детектирование, классификация.Аннотация
В статье рассмотрены результаты разработки интеллектуальной системы классификации пород овцематок на основе машинного обучения (искусственного интеллекта, нейронной сети). Представлена архитектура интеллектуальной системы. В архитектуре информационной системы использованы свёрточные нейронные сети (CNN, ImageAi ResNet) и фотокамера мобильного устройства. Принцип работы системы сводится схеме:на снимке фотокамеры мобильного устройства по центру располагается объект обращенной прямо на фотокамеру. На первом этапе Нейронная сеть идентифицирует, детектирует объект, на втором этапе основе обученной на тестовых данных вторая нейронная сети классифицирует объект. Классы соответствуют распространенным в Казахстане породам овец.
В статье изложены основные моменты программного обеспечения – оконного приложения типа цифрового виртуального ассистента, которая может быть полезна в производстве купли-продажи овец для не подготовленных участников данного процесса. Информационная система дает возможность ориентироваться в породах овец по признакам конкретного экземпляра и определять породу, а также полезные характеристики, связанные с той или иной породой. Систему можно также использовать как справочную систему при принятиях решений в коммерческой деятельности, связанной с куплей или продажей овец.
Библиографические ссылки
Мониторинг количества зарегистрированных и действующих субъектов малого и среднего предпринимательства в Республике Казахстан [Электронный ресурс]/ Бюро национальной статистики. – Нур-Султан: 2021. – Режим доступа: http://stat.gov.kz/faces/wcnav_externalId/homeNumbersS.
Machine Learning Repository [Электронный ресурс]/ Center for Machine Learning and Intelligent Systems. – Режим доступа: https://www.kaggle.com/intelecai.
Moses Olafenwa, John Olafenwa Prediction Classes ResNet ImageAI [Электронный ресурс]/Moses Olafenwa, John Olafenwa – GitHub.: 2019. – Режим доступа: https://imageai.readthedocs.io/prediction/index.html
Mehdi S. M., Sajjadi Bernhard, Scholkopf Michael Hirsch. EnhanceNet: Single Image Super-Resolution Through Automated Texture [Электронный ресурс] / Mehdi S. M., Sajjadi Bernhard, Scholkopf Michael Hirsch. – Tubingen, Germany: Max Planck Institute for Intelligent Systems, 2017.– 19с. – Режим доступа: https://arxiv.org/pdf/1612.07919.pdf.
Бунин О. Введение в архитектуры нейронных сетей [Электронный ресурс]/ Бунин О. –Хабр.: 2017. – 15с. –Режим доступа: https://habr.com/ru/company/oleg-bunin/blog/340184/
Производственная классификация овец Республики Казахстан [Электронный ресурс]/ Семгу. – Режим доступа: http://ebooks.semgu.kz/content.php?cont=r;1256
Современные информационные технологии в сельском хозяйстве [Электронный ресурс]/Аграрный сектор. –М.: 2021. – Режим доступа: https://agrarnyisector.ru/category/zhivotnovodstvo.
Верхова Н.А. Информационные технологии в сельском хозяйстве [Электронный ресурс]/Верхова Н.А – Астрахань.: 2019. –7с. – Режим доступа: https://scienceforum.ru/2015/article/2015011544.
Куткова А. Н., Казьмина М. А., Польшакова Н. В. Обзор современных информационных решений автоматизации животноводческих предприятий / Куткова А. Н., Казьмина М. А. // Молодой ученый. — 2017. — №4. — С. 167-169.
Sugiharti E., Arifudin R., Putra A.T. C-means and fuzzy as base of cattle data collection from manual card system to online information system / Sugiharti E., Arifudin R., Putra A.T // Journal of Theoretical and Applied Information Technology. — 2018—Volume 96—2018. —Issue 21.-Pages 7176-7186.
