Методология обработки и классификации изображений овощей с применением каскада нейронных сетей

В статье представлена методология обработки и классификации изображений овощей. Разработанная система включает серверное хранилище изображений, механизм предварительной обработки данных на мобильном устройстве и каскад сверточных нейронных сетей для анализа визуальных характеристик объектов и классификации сорта овоща на основе выводов базы знаний. Проведен сравнительный анализ различных архитектур нейронных сетей (LeNet, AlexNet, EfficientNet-B6, ResNet-50, MobileNetV2, VGG16), по результатам которого выбрана ResNet-50, обеспечивающая наивысшую точность. Для повышения качества модели применены методы аугментации данных, увеличившие размер исходного датасета с 3043 до 6086 изображений. Описан прототип мобильного приложения, позволяющего пользователям автоматически классифицировать овощи по параметрам: сорт, качество, наличие дефектов. Данные передаются на сервер через FastAPI, где используются YOLO для детекции признаков объектов и каскад нейронных сетей. Встроенный механизм обратной связи позволяет пользователям вносить корректировки, которые затем используются для дообучения модели. Кроме того, для классификации овощей в проекте реализована база знаний, включающая правила анализа характеристик овощей, таких как форма, цвет, текстура и наличие дефектов. Для адаптивности системы применены семантические сети, что повышает точность распознавания и гибкость обработки данных. Данный сервис призван уменьшить трудозатраты на обучение низкоквалифицированных сотрудников в агропромышленности из-за сильной текучки кадров, а также повысить точность определения сорта и качества плода