Применение компьютерного зрения и глубокого обучения для автоматизированного мониторинга роста растений земляники садовой
Аннотация
В статье представлен разработанный алгоритм и программное обеспечение для автоматизированного мониторинга роста растений земляники садовой с применением нейросетевых технологий. Модели YOLO11x и YOLOx-seg, предварительно обученные методом трансферного обучения (transfer learning), адаптированы для распознавания и классификации растений (класс «plant»), листьев (класс «leaf») и эталонного маркера (класс «ref_obj») известного размера. Сегментация листьев земляники с помощью модели YOLO11x-seg позволяет анализировать морфометрические параметры отдельных листовых пластин (площадь, периметр, округлость, соотношение сторон). Сформирован и аннотирован набор RGB-изображений (2000 шт.), полученных с использованием камеры GoPro HERO11, в контролируемых лабораторных условиях, с последующей аугментацией для повышения устойчивости модели к вариациям условий съемки. Разработанный алгоритм преобразует координаты ограничивающих рамок (bounding boxes) и масок сегментации распознанных объектов в метрические единицы через калибровочные коэффициенты, вычисляемые по маркеру известного размера (100×100 мм). Программное обеспечение, реализованное с применением библиотек PyQt5, TensorFlow, Keras, OpenCV, предоставляет не только визуализацию результатов, но и хранение данных в локальной базе SQLite с возможностью экспорта в форматы JSON и Excel. Валидация модели показала высокую точность детектирования ограничивающих рамок растений (mAP50 = 0,906) и сегментации листьев (mAP50-mask = 0,625). Средняя скорость обработки составила 20,3 мс/кадр для детектирования и 34,5 мс/кадр для сегментации. Погрешность измерений составила менее 3,5 % для габаритных параметров растения и 5,2 % для морфометрических показателей листьев, подтверждая эффективность метода для оценки высоты, ширины и площади растений, а также анализа листового аппарата. Результаты исследований показали перспективность подхода для автоматизации фенотипирования растений в режиме реального времени.
