Безопасность сельскохозяйственных культур в большинстве случаев можно обеспечить, анализируя изображения листьев на предмет наличия отклонений. Проблема раннего обнаружения болезней растений является актуальной и своевременной, для решения которой необходима разработка алгоритма обнаружения и распознавания болезней растений на основе метода каскадных классификаторов. В работе предложен алгоритм для обнаружения и распознавания болезней растений посредством использования интегрального представления кадра, каскадов Хаара, перевода изображения в черно-белое с дальнейшим обучением классификаторов на обучающих выборках и отбором результирующего каскада, позволяющим регулировать точность и энергопотребление в зависимости от задачи. Особенность данного алгоритма заключается в применении окон при сканировании изображения, масштабируемости детектора и последующем многократном запуске для изображения с использованием разного размера. При использовании предлагаемого алгоритма точность распознавания болезней растений составила 80,9 %.
1. Бахтеев Д. В. О сущности и перспективах использования искусственных нейрон-ных сетей в раскрытии и расследовании преступлений // Вопросы российской юстиции. 2016. № 3. С. 4–6.
2. Гагарина Л. Г., Кокорева Е. В. Введение в теорию алгоритмических языков и ком-пиляторов. М.: Форум, 2009. 176 с.
3. Тутыгин В. С., Аль-Винди Басим Х. М. А. Способ распознавания болезней расте-ний по текстурным признакам с использованием нечеткой логики // Инженерный вестник Дона: электрон. журн. 2019. № 3 (54). URL: http://www.ivdon.ru/ru/magazine/archive/N3y2019/5846 (дата обращения: 20.06.2022).
4. Гагарина Л. Г. Современные проблемы информатики и вычислительной техники: учеб. пособие. М.: МИЭТ, 2017. 204 с.
5. Шевнина Ю. С., Гагарина Л. Г., Чирков А. В., Миронов Н. С. Особенности организации доступа в автоматизированных информационных системах на основе принципов нелинейной динамики // Вестник Воронежского государственного технического университета. 2021. Т. 17. № 4. С. 50–56. https://doi.org/10.36622/VSTU.2021.17.4.007
6. Лавелина Е. С., Закуанова М. Р., Масловская М. А. Отслеживание объектов в ви-деопотоке // Научное сообщество студентов XXI столетия. Технические науки: эл. сб. ст. по материалам LIV Междунар. студ. науч.-практ. конф. [Электронный ресурс]. 2017. № 6 (53). С. 132–142. URL: https://sibac.info/archive/technic/6(53).pdf (дата обращения: 20.06.2022).
7. Дятлов Е. И. Машинное зрение (аналитический обзор) // Математические машины и системы. 2013. № 2. С. 32–40.
8. Chaki J., Parekh R. Designing an automated system for plant leaf recognition // IJAET. 2012. Vol. 2. Iss. 1. P. 149–158.
9. Журавлев Ю. И., Рязанов В. В., Сенько О. В. «Распознавание». Математические методы. Программная система. Практические применения. М.: ФАЗИС, 2006. 176 с.
10. El-Helly M., Rafea A., El-Gammal S. An integrated image processing system for leaf disease detection and diagnosis // Proceedings of the 1st Indian International Conference on Artificial Intelligence (Hyderabad, India, Dec. 18–20, 2003). Hyderabad: IICAI, 2003. P. 1182–1195.