Курсовая, Компьтерное зрение

Работа ранее уже была написана и сдана на проверку, которую не прошла из-за:

1. Использование ИИ

2. Код не был полностью рабочим.

Пример выполнения работы будет в файлах, требования к работы также будут в файлах на анг. и русском.

Б. Подготовка набора данных

• Объясните процесс сбора и подготовки набора данных, уделяя особое внимание включению изображений различных культур, пораженных болезнями.

• Подробнее о системе маркировки, используемой для категоризации каждого изображения в соответствии с конкретным заболеванием растения.

• Вы можете использовать любой набор данных из онлайн-репозиториев, например https://www.kaggle.com/search?q=plant+pathology, или создать свой собственный набор данных.

В. Проектирование архитектуры нейронных сетей

• Описание структуры метода классификации отдельных изображений с использованием платформы глубокого обучения, такой как TensorFlow или PyTorch. Обоснуйте выбор архитектуры и подчеркните ее актуальность для решения выявленной проблемы.

Г. Реализация кода

• Разбейте реализацию кода на отдельные абзацы, пояснив функционал каждого блока. Обсудите логику и обоснование конкретных сегментов кода, обеспечив четкое понимание реализованного метода классификации изображений.

Д. Оценка модели

• Представить всестороннюю оценку разработанной или существующей модели. Обсудите метрики производительности, используемые для оценки производительности, такие как точность, точность, запоминаемость и оценка F1.

• Интерпретируйте результаты и проанализируйте эффективность модели в выявлении и диагностике различных болезней сельскохозяйственных культур.

Е. Заключение

• Подведите итоги и результаты проекта.

• Обсудите значение разработанных моделей классификации изображений в контексте раннего выявления и вмешательства в борьбу с болезнями растений в сельском хозяйстве.

Подчеркните важность ясности и тщательного объяснения в каждом разделе, чтобы обеспечить всестороннее понимание всего процесса, от формулировки проблемы до оценки модели.

Инструкции по подаче заявки:

• Создайте практический анализ в пределах обозначенного лимита слов (2000 - 3000 слов).

СДЕЛАТЬ КОД в Google Colab.