Розроблення інтелектуальної системи розпізнавання якості фруктів методами глибокого навчання
Ключові слова:
розпізнавання зображень
Анотація
В роботі використано бібліотеки TensorFlow та Keras для побудови та тренування глибокої згорткової нейронної мережі для класифікації фруктів на зображеннях. Завантажені дані піддавалися аугментації для покращення роботи моделі на різних зображеннях. Мережа мала успішні результати на тестовому наборі даних, досягаючи високої точності. Застосована методологія може бути використана для подальших досліджень та розширення на інші завдання класифікації зображень.
Посилання
[1] Meshram, V., & Patil, K. (2022). Fruitnet: Indian fruits image dataset with quality for machine learning applications. Data in brief, 40, 107686.
[2] Siddiqi, R. (2019). Automated apple defect detection using state-of-the-art object detection techniques. Springer Nature Applied Sciences, 1(11), 1–12.
[3] Bhargava, A., & Bansal, A. (2021). Fruits and vegetables quality evaluation using computer vision. Computer and Information Sciences, 33 (3), 243–257.
[2] Siddiqi, R. (2019). Automated apple defect detection using state-of-the-art object detection techniques. Springer Nature Applied Sciences, 1(11), 1–12.
[3] Bhargava, A., & Bansal, A. (2021). Fruits and vegetables quality evaluation using computer vision. Computer and Information Sciences, 33 (3), 243–257.
Опубліковано
2025-11-13
Як цитувати
Легедза, Ю., & Пірко, І. (2025). Розроблення інтелектуальної системи розпізнавання якості фруктів методами глибокого навчання. Комп’ютерне моделювання та інформаційні технології. вилучено із https://conf.nltu.edu.ua/index.php/conf1/article/view/320
Розділ
ІНТЕЛЕКТУАЛЬНІ ІНФОРМАЦІЙНІ СИСТЕМИ
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
