АНАЛИЗ ПРИМЕНЕНИЯ НЕЙРОННОЙ СЕТИ INCEPTION-V3 ДЛЯ КЛАССИФИКАЦИИ ВИДОВ БОРЩЕВИКА

ANALYSIS OF THE APPLICATION OF THE INCEPTION-V3 NEURAL NETWORK FOR CLASSIFICATION OF HOGWEED SPECIES

Nikita Ponomarev

Student, Department of Information Systems and Information Security, Northern (Arctic) Federal University,

Russia, Arkhangelsk

АННОТАЦИЯ

Борщевик ядовит для человека, опасен для сельскохозяйственных культур и местных экосистем. Рассмотрено применение нейронной сети Inception-V3, для выявления этого опасного растения.

ABSTRACT

Hogweed is poisonous to humans, dangerous to crops and local ecosystems. The use of the Inception-V3 neural network to identify this dangerous plant is considered.

Ключевые слова: борщевик; нейронная сеть; классификация.

Keywords: hogweed; neural network; classification.

Распространение борщевика представляет собой растущую проблему в сельском хозяйстве многих стран. Этот быстрорастущий сорняк быстро распространяется по Евразии: от Германии до сибирской части России, и ареал его распространения расширяется из года в год. Борщевик — сорняк высотой от 3 до 5 м. Соцветие представляет собой большой зонтик, расположенный на конце каждого стебля. Во время цветения он производит тысячи семян, которые легко разносятся ветром и водой. Борщевик ядовит для человека, опасен для сельскохозяйственных культур и местных экосистем [2, с. 2]. Это создает спрос на обнаружение и классификацию этого опасного сорняка.

В данной работе для классификации борщевика рассмотрено применение нейронной сети Inception-V3. Это сверточная нейронная сеть, у которой в методе пакетной нормализации для всех карт распределения признаков в выходном слое вычисляется среднее и стандартное отклонение, и производится нормализация с использованием вычисленных значений. Данная сеть была разработана компанией Google *(По требованию Роскомнадзора информируем, что иностранное лицо, владеющее информационными ресурсами Google является нарушителем законодательства Российской Федерации – прим. ред.) в 2015 году. В качестве последнего слоя сети используется пулинг слой, в котором применена функция активации Softmax. Данная функция активации хорошо работает для задач классификации. В качестве предобученной модели использовалась модель, обученная на наборе данных ImageNet [1, с. 1]. На рисунке 1 показана архитектура нейронной сети Inception-V3.

Рисунок 1. Архитектура нейронной сети Inception-V3

В результате обучения предобученной модели на предварительно собранном наборе данных, который включал в себя девять различных классов объектов. Среди них было три вида борщевика, это борщевик Сосновского, Сибирский и Рассеченный борщевики. Так же в наборе данных присутствовали лжеборщевики и класс «другие объекты», для того чтобы модель могла отличать инвазивные виды борщевика от неопасных растений и от неорганических объектов.

Классы с другими растениями включали в себя такие фотографии растений как: Лопух, Купырь Лесной, трава, цветочная растительность. В классе «другие объекты» были собраны различные фотографии неорганических объектов. Так же для борщевика Сосновского было принято решение разделить этот класс на два подкласса, такие как Сосновский маленький и большой, так как молодое растение и взрослое у данного вида борщевика сильно отличается, что путает модель и приводит к ухудшению точности.

Модель была обучена на 20 эпохах с использованием 15 батчей, чтобы обучения занимало меньшее время и не перегружала видеокарту. На выходе был получен результат точности модели порядка 93%, на валидационной выборке результат точности получился даже чуть выше, в районе 94%. На рисунке 2 показан график точности для обученной модели.

Рисунок 2. График точности обученной модели

После обучения было проведено тестирование полученной модели на тестовых данных, все девять классов модель определила безошибочно. Все три вида борщевика на различных тестовых фотографиях были классифицированы верно. Модель так же с легкостью отделяла класс «другие объекты» и не выдавала неверных результатов. На рисунке 3 показаны результаты тестирования модели.

Рисунок 3. Результаты тестирования модели

По итогу можно сделать вывод, что предобученная нейронная сеть Inception-V3 показывает очень хороший результат в задаче классификации видов борщевика, и может быть использована для дальнейшей работы по выявлению этого опасного инвазивного растения.

Список литературы:

1. Сверточная нейронная сеть. [электронный ресурс] — Режим доступа. — URL: https://evergreens.com.ua/ru/articles/cnn.html (дата обращения 30.04.2023)
2. Menshchikov A., Shadrin D., Prutyanov V., Lopatkin D., Sosnin S., Tsykunov E., Iakovlev E., Somov A., Real-time Detection of Hogweed: UAV Platform Empowered by Deep Learning. [электронный ресурс] — Режим доступа. — URL: https://www.researchgate.net/publication/349469045_Real-Time_Detection_of_Hogweed_UAV_Platform_Empowered_by_Deep_Learning (дата обращения 30.04.2023)