ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ СМЕШАННОЙ РЕАЛЬНОСТИ И МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОПРЕДЕЛЕНИЯ БОЛЕЗНЕЙ РАСТЕНИЙ

АННОТАЦИЯ

Проблема неурожайности в наше является крайне остроэкологической. И помимо экологии, огромную роль в этом явлении играют болезни. Данная проблема решается очень легко: надо просто знать, что это за болезнь и чем ее лечить. Но не все садоводы, фермеры могут определить, чем больно растение, и как правило, даже интернет им в этом не помогает. Но что, если будет универсальный инструмент для определения болезней любого растения. В этой статье будет изучено то, насколько конченые пользователи нуждаются в данном инструменте и проведено исследование наличия подобных инструментов.

ABSTRACT

The problem of poor harvest in ours is extremely acute ecological. And besides ecology, diseases play a huge role in this phenomenon. This problem can be solved very easily: you just need to know what kind of disease it is and how to treat it. But not all gardeners, farmers can determine what the plant is hurting, and as a rule, even the Internet does not help them in this. But what if there is a universal tool for identifying diseases of any plant. This article will explore how end users need this tool and will research the availability of such tools.

Ключевые слова: Смешанная реальность, свёрточные нейронные сети, растения, болезни растений.

Keywords: Mixed reality, convolutional neural networks, plants, plant diseases.

Смешанная реальность — это сочетание физического и цифрового миров, позволяющее реализовать возможности взаимодействия между человеком, компьютером и средой. В смешанной реальности цифровые объекты могут взаимодействовать с объектами окружающего физического мира и влиять на них. Такая новая реальность стала возможной благодаря развитию систем компьютерного зрения, графической вычислительной мощности, технологий для дисплеев и систем ввода [1].

Смешанная реальность близка к реальности дополненной, отличаясь от нее глубиною погружения, реалистичностью виртуальных объектов и широтой взаимодействия. Капитальное взаимодействие реальных и виртуальных объектов в реальном времени с возможностью трансформировать и изменять их — основной признак MR [1].

Виртуальные голограммы, которые видит пользователь на экране с помощью специального оборудования (3D-очков или шлема), — это объёмные изображения, внешне практически неотличимые от реальных объектов. Подобный эффект достигается за счёт стереоскопического изображения и сверхточного отслеживания положения пользователя в пространстве [2].

Смешанная реальность нашла множество путей применения: прежде всего, в искусстве и сфере развлечений, а в последнее время все чаще используют для решения задач в бизнесе и образовании.

Для анализа изображений компьютером используют технологию компьютерного зрения. Компьютерное зрение – это научное направление в области искусственного интеллекта, и связанные с ним технологии получения изображений объектов реального мира, их обработки и использования полученных данных для решения разного рода прикладных задач. Анализ и обработка осуществляются с помощью сверточных нейронных сетей. Для их обучения собирается множество данных, которые позволяют выделить признаки и комбинации признаков для дальнейшей идентификации похожих объектов [3]. Это идеальный вариант, так как можно обучить две нейронные сети, которые будут определять вид растения, болеет ли оно и чем именно.

Но что если попробовать совместить технологии глубокого обучения и смешанной реальности, то бишь можно будет с помощью мобильного приложения или очков смешанной реальности, определять заболевание, а после определения будут предлагаться рекомендации по лечению растения.

Проведя небольшое исследование, оказалось, что компания PDD, уже объединила данные две технологии для распознавания болезней растений в своем мобильном приложении PDDApp.

PDD используют, так называемую, сиамскую сеть. Это разновидность искусственной нейронной сети, которая состоит из двух идентичных нейронных подсетей с одинаковыми наборами весов. Данный вид сетей позволяет сравнить вектора признаков двух объектов с целью выделить их семантическое сходство или различие. Сиамская нейронная сеть представляет собой нелинейное отображение данных с целью приблизить друг к другу схожие объекты и разнести различные объекты на максимально возможное расстояние. То есть, сиамская сеть учит нейросеть на парах изображений, что очень выгодно для большого количества данных [4].

По словам авторов, у пользователей PDDApp есть возможность сфотографировать больное растение и получить прогноз по заболеванию и предложение по лечению. Также возможна загрузка изображений, если пользователь не может сделать фотографию. Для работы приложения требуется доступ в Интернет [5].

В целях исследования алгоритмов и точности определения, было скачано данное приложения, но к большому сожалению, оказалось, что оно не работает так, как заверял разработчик. И это можно судить по рейтингу в магазине мобильных приложений. Поэтому было принято решение по поводу исследования целесообразности внедрения данного инструмента.

Рисунок 1. Приложение PDDApp и его рейтинг в одном из магазине мобильных приложений

Стоит отметить, что немало важным являлось исследование пользователей, на основании которого мы можем сделать следующие выводы: 54% опрошенных пользовалось бы инструментом для определения болезни растения на постоянной основе, 28% пользовалось почти всегда, иногда прибегая к средствам интернета, 7% отнеслось со скепсисом к данному инструменту, и 11% пользовались только интернетом, не прибегая к данному инструменту.

Рисунок 2. Процентное соотношение опрошенных по опросу

Также мы провели исследование на тему того, какое устройство было бы наиболее удобным для пользователей.

Рисунок 3. Процентное соотношение опрошенных по опросу

Как оказалось, пользователю не столько важно, на каком устройстве работает данный инструмент, а то, насколько удобно было бы им пользоваться.

Из всего вышесказанного, что пользователи хотели бы данный инструмент, и данные инструменты уже присутствуют на рынке, но не в том виде, в котором их хочет видеть конечный пользователь.

В дальнейшем планируется разработать кроссплатформенное приложения смешанной реальности, для смартфонов и очков смешанной реальности, с правильно функционирующей алгоритмов распознавания растений и их болезней.

Список литературы:

1. Microsoft docs “Что такое смешанная реальность?”. [Электронный ресурс]. – Режим доступа: URL – https://docs.microsoft.com/ru-ru/windows/mixed-reality/discover/mixed-reality
2. Портал vc.ru “Смешанная реальность в России”. [Электронный ресурс]. – Режим доступа: URL – https://vc.ru/future/32060-smeshannaya-realnost-v-rossii
3. Портал habr.ru “Машинное зрение. Что это и как им пользоваться? Обработка изображений оптического источника”. [Электронный ресурс]. – Режим доступа: URL – https://habr.com/ru/post/350918/
4. А. Ужинский, Г. Ососков, П. Гончаров, А. Нечаевский и Ю. Зудикхина: “Глубокие сиамские сети для обнаружения болезней растений.” [Электронный ресурс]. – Режим доступа: URL – https://www.epj-conferences.org/articles/epjconf/pdf/2020/02/epjconf_mmcp2019_03010.pdf
5. А. Ужинский, Г. Ососков, П. Гончаров, А. Нечаевский и Ю. Зудикхина: “Многофункциональная платформа и мобильное решение для распознавания растений” [Электронный ресурс]. – Режим доступа: URL – http://ceur-ws.org/Vol-2507/110-114-paper-18.pdf