В последние годы наблюдается активное развитие интереса садоводов к выращиванию растений как на фермах, так и в домашних условиях. Целью исследования является разработка метода комплексного применения нейронных сетей для определения растения по фото и миварных технологий для предоставления персонализированных рекомендаций. Для классификации изображений используется остаточная сверточная нейронная сеть ResNet20, дообученная на датасете растений. Миварная экспертная система на основе данных об условиях выращивания и параметров определенного нейросетью растения дает персонализированную рекомендацию. Создана модель описания предоставления рекомендаций, которая помогает пользователям получать искомый результат в виде названия растения. Разработан метод применения нейронных и миварных сетей, позволяющий формировать логически обоснованные рекомендации растения в зависимости от условий окружающей среды и предпочтений пользователей. По результатам экспериментов можно сделать вывод, что для повышения точности классификации изображений необходимо увеличивать число слоев нейронной сети примерно в 1,5 раза при увеличении распознаваемых растений с 3 до 9. Комплексное применение сверточных нейронных сетей и миварных технологий позволяет добиться высокой точности определения растений и обеспечить качественные рекомендации для пользователей.
In recent years, there has been a surge of gardeners' interest in growing plants both on farms and at home. The aim of the study is to develop a method for the integrated application of neural networks for plant identification from photos and mivar technologies to provide personalized recommendations. A residual convolutional neural network ResNet20, pre-trained on a dataset of plants, is used for image classification. The mivar expert system provides a personalized recommendation based on the growing conditions and parameters of the plant defined by the neural network. A model for describing the provision of recommendations is created, which helps users to get the desired result in the form of the name of the plant. A method of applying neural and mivar networks is developed to generate logically sound plant recommendations depending on environmental conditions and user preferences. According to the results of experiments, we can conclude that in order to increase the accuracy of image classification, it is necessary to increase the number of layers of the neural network by about 1.5 times when increasing the recognized plants from 3 to 9. The complex application of convolutional neural networks and mivar technologies allows to achieve high accuracy of plant detection and provide high-quality recommendations for users.
The authors declare that there are no conflicts of interest present.