DOI: 10.32702/2306-6792.2019.12.60

УДК: 681-31.001.8

Д. М. Квашук, Р. О. Єрохін

ОГЛЯД МОЖЛИВОСТЕЙ ЗАСТОСУВАННЯ МАШИННОГО ЗОРУ В СІЛЬСЬКОМУ ГОСПОДАРСТВІ

Анотація

Метою статті є розгляд теоретичних та методологічних положень з питань розвитку малого бізнесу в агропромисловій сфері з використання сучасних інформаційних технологій, розпізнавання образів. Встановлено найважливіші складові методів розпізнавання образів, які полягають у визначенні контурів графічних об'єктів, що можна представити у вигляді числових масивів точок.
Проведено дослідження сутності машинного зору, можливостей його застосування в аграрній сфері.
Розглянуто наукові підходи до розуміння технологій розпізнавання образів зокрема та використання систем штучного інтелекту в сільському господарстві загалом.
Досліджено сфери практичного застосування методів розпізнавання образів на виробництві та їх роль у сучасних економічних системах.
Проведено аналіз інструментів реалізації машинного зору в економічних системах та визначено найбільш придатні для використання дрібними фермерами. Серед критеріїв відбору зазначених інструментів можна відділити: практичність, дешевизну при впровадженні, доступність, простоту в використанні та освоєнні.
На основі дослідженого запропоновано приклад програмного коду, який може набути подальшого розвитку в розпізнаванні хвороб бактеріального опіку ячменю. Використовуючи програмну бібліотеку OpenCv ідентифіковано уражені частини листя ячменю базуючись на запропонованих методах ідентифікації кольорів, які містяться в цій бібліотеці.
Виходячи з можливостей реалізації методів машинного зору, сформовано практичні рекомендації для дрібних фермерів щодо зменшення витрат на оплату праці, забезпечення якісного контролю вирощування врожаю та попередження ризиків захворювань рослин.

Ключові слова: технології розпізнавання образів; економіка; підприємство; економічні системи; прибуток; збитки.

Література

1. Anuja Bhargava and Atul Bansal (2018), Fruits and vegetables quality evaluation (computer review: A & A, University of Computer Science and Information Sciences (vol. 143), url: https://www.sciencedirect.com/science / article / pii / S131915781830209X
2. Yudong Zhang, Shuihua Wang, Genlin Ji, Preetha Phillips (2014), Fruit classifibarley ion using computer vision and feedforward neural network, Journal of Food Engineering (vol. 143), pp. 167—177, url: https://www.sciencedirect.com/science/article/abs/pii/S026087741400291X
3. Razieh Pourdarbani, Hamid Reza Ghassemzadeh, Hadi Seyedarabi, Fariborz Zaare Nahandi, Mohammad Moghaddam Vahed (2015), Journal of the Saudi Society of Agricultural Sciences (Volume 14, Issue 1), p. 83—90, url https://www.sciencedirect.com/science/article/pii/S1658077X13000404
4. Diego Inаcio Patrіcio, Rafael Rieder (2018), Systematic review, Computers and Electronics in Agriculture (Volume 153), Pages 69-8 url: https: //www.sciencedirect.com / science / article / pii / S0168169918305829
5. Matt Burns (2019) FarmWise turns to Roush to build autonomous vegetable weedersManufacture Autonomous Robots In Michigan, FarmWise url: https://techcrunch.com/2019/03/27/farmwise-turns-to-roush-to-build-autonomous-vegetable-weeders
6. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: учеб. пособие для студентов вузов. М.: Высш. шк., 1983. 295 с.
7. Дятлов Е.И. Машинное зрение (аналитический обзор). Математические машины и системы, 2013, (2), 32—40.

D. Kvashuk, R. Erokhin

OVERVIEW OF THE POSSIBILITY OF MASHING APPROACH IN AGRICULTURAL HOUSEHOLD

Summary

The purpose of this article is to review the theoretical and methodological provisions on the development of small business in the agro-industrial field on the use of modern information technology, pattern recognition. The most important components of pattern recognition methods have been established, which consist in defining the contours of graphic objects that can be represented as numerical arrays of points.
The study of the essence of machine vision and the possibilities of its application in the agricultural sector.
The scientific approaches to the understanding of pattern recognition technologies, in particular the use of artificial intelligence systems in agriculture as a whole, are considered.
Spheres of practical application of pattern recognition methods in production and their role in modern economic systems are investigated.
The analysis of tools for the implementation of machine vision in economic systems. Among them identified the most suitable for use by small farmers. Among the criteria for the selection of these tools can be noted: practicality, low cost of implementation, availability, ease of use and development.
On the basis of the studied, an example of a program code has been proposed, which can be further developed in the recognition of diseases of a bacterial burn of barley. Using the OpenCv software library, the affected parts of the barley leaves were identified, based on the proposed color identification methods that are contained in this library.
Based on the possibilities of implementing machine vision methods, practical recommendations have been formed for small farmers to reduce labor costs, ensure quality control of crop production and prevent the risks of plant diseases.

Keywords: technologies of image recognition; economy; enterprise; economic systems; profit; losses.

References

1. Bhargava, A. and Bansal, A. (2018), "Fruits and vegetables quality evaluation", University of Computer Science and Information Sciences, vol. 143, available at: https://www.sciencedirect.com/science/article/pii/S131915781830209X (Accessed 10 may 2019).
2. Zhang, Y. Wang, S. Ji, G. and Phillips, P. (2014), "Fruit classifibarley ion using computer vision and feedforward neural network", Journal of Food Engineering, vol. 143, pp. 167—177, available at: https://www.sciencedirect.com/science/article/abs/pii/S026087741400291X (Accessed 10 may 2019).
3. Pourdarbani, R. Ghassemzadeh, H. R. Seyedarabi, H. Nahandi, F. Z. and Vahed, M. M. (2015), "Study on an automatic sorting system for Date fruits", Journal of the Saudi Society of Agricultural Sciences, vol. 14, Issue 1, pp. 83—90, available at: https://www.sciencedirect.com/science/article/pii/S1658077X13000404, (Accessed 10 may 2019).
4. Patrіcio, D. I. and Rieder, R. (2018), "Computer vision and artificial intelligence in precision agriculture for grain crops: A systematic review", Systematic review, Computers and Electronics in Agriculture, Vol. 153, Pages 69-8, available at: https://www.sciencedirect.com/science/article/pii/S0168169918305829 (Accessed 10 may 2019).
5. Burns, M. (2019), "FarmWise turns to Roush to build autonomous vegetable weeders Manufacture Autonomous Robots In Michigan", FarmWise, available at: https://techcrunch.com/2019/03/27/farmwise-turns-to-roush-to-build-autonomous-vegetable-weeders (Accessed 10 may 2019).
6. Anisimov, B. Kurganov, V.D. and Zlobin, V.K. (1983), Raspoznavanie i cifrovaja obrabotka izobrazhenij [Recognition and digital image processing], Higher. school., Moscow, Russia.
7. Dyatlov, E. (2013), "Machine vision (analytical review)", Mathematical Machines and Systems, (2), pp. 32—40.

№ 12 2019, стор. 60 - 64

Дата публікації: 2019-07-02

Кількість переглядів: 1587