Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів
The article presents the development of an intelligent system for recognising mushroom species that provides high accuracy and ease of use. To train the model, a large dataset ‘Mushrooms classification’ from the Kaggle platform was used, which provided the necessary diversity of images and achieved...
Збережено в:
| Дата: | 2024 |
|---|---|
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Vinnytsia National Technical University
2024
|
| Теми: | |
| Онлайн доступ: | https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/736 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Optoelectronic Information-Power Technologies |
Репозитарії
Optoelectronic Information-Power Technologies| id |
oai:oeipt.vntu.edu.ua:article-736 |
|---|---|
| record_format |
ojs |
| spelling |
oai:oeipt.vntu.edu.ua:article-7362024-11-19T13:20:53Z Architecture of the intelligent system for risk management and recognition of mushroom species Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів Угрин, Д.І. Ушенко, Ю.О. Дворжак, В.В. Терлецький, Т.В. Кайдик , О.Л. intelligent system, machine learning, neural network, image recognition, IT industry, risk management and marketing. інтелектуальна система, машинне навчання, нейронна мережа, розпізнавання зображень, ІТ-галузь, ризик-менеджмент та маркетинг. The article presents the development of an intelligent system for recognising mushroom species that provides high accuracy and ease of use. To train the model, a large dataset ‘Mushrooms classification’ from the Kaggle platform was used, which provided the necessary diversity of images and achieved a classification accuracy of 85%. Data pre-processing included image quality checks, standardisation, and division into training, validation, and test samples, which contributed to efficient model training. The recognition algorithm is based on the ResNet convolutional neural network, which has demonstrated an accuracy advantage over other architectures. У статті представлено розробку інтелектуальної системи для розпізнавання видів грибів, яка забезпечує високу точність і зручність у використанні. Для навчання моделі було використано великий датасет "Mushrooms classification" з платформи Kaggle, що забезпечило необхідну різноманітність зображень і досягнення точності класифікації на рівні 85%. Попередня обробка даних включала перевірку якості зображень, їх стандартизацію та поділ на тренувальні, валідаційні й тестові вибірки, що сприяло ефективному навчанню моделі. Основою алгоритму розпізнавання стала згорткова нейронна мережа ResNet, яка продемонструвала перевагу в точності над іншими архітектурами. Vinnytsia National Technical University 2024-11-19 Article Article application/pdf https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/736 10.31649/1681-7893-2024-48-2-114-127 Optoelectronic Information-Power Technologies; Vol. 48 No. 2 (2024); 114-127 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 48 № 2 (2024); 114-127 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 48 № 2 (2024); 114-127 2311-2662 1681-7893 10.31649/10.31649/1681-7893-2024-48-2 uk https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/736/682 |
| institution |
Optoelectronic Information-Power Technologies |
| baseUrl_str |
|
| datestamp_date |
2024-11-19T13:20:53Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
інтелектуальна система машинне навчання нейронна мережа розпізнавання зображень ІТ-галузь ризик-менеджмент та маркетинг. |
| spellingShingle |
інтелектуальна система машинне навчання нейронна мережа розпізнавання зображень ІТ-галузь ризик-менеджмент та маркетинг. Угрин, Д.І. Ушенко, Ю.О. Дворжак, В.В. Терлецький, Т.В. Кайдик , О.Л. Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів |
| topic_facet |
intelligent system machine learning neural network image recognition IT industry risk management and marketing. інтелектуальна система машинне навчання нейронна мережа розпізнавання зображень ІТ-галузь ризик-менеджмент та маркетинг. |
| format |
Article |
| author |
Угрин, Д.І. Ушенко, Ю.О. Дворжак, В.В. Терлецький, Т.В. Кайдик , О.Л. |
| author_facet |
Угрин, Д.І. Ушенко, Ю.О. Дворжак, В.В. Терлецький, Т.В. Кайдик , О.Л. |
| author_sort |
Угрин, Д.І. |
| title |
Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів |
| title_short |
Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів |
| title_full |
Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів |
| title_fullStr |
Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів |
| title_full_unstemmed |
Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів |
| title_sort |
архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів |
| title_alt |
Architecture of the intelligent system for risk management and recognition of mushroom species |
| description |
The article presents the development of an intelligent system for recognising mushroom species that provides high accuracy and ease of use. To train the model, a large dataset ‘Mushrooms classification’ from the Kaggle platform was used, which provided the necessary diversity of images and achieved a classification accuracy of 85%. Data pre-processing included image quality checks, standardisation, and division into training, validation, and test samples, which contributed to efficient model training. The recognition algorithm is based on the ResNet convolutional neural network, which has demonstrated an accuracy advantage over other architectures. |
| publisher |
Vinnytsia National Technical University |
| publishDate |
2024 |
| url |
https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/736 |
| work_keys_str_mv |
AT ugrindí architectureoftheintelligentsystemforriskmanagementandrecognitionofmushroomspecies AT ušenkoûo architectureoftheintelligentsystemforriskmanagementandrecognitionofmushroomspecies AT dvoržakvv architectureoftheintelligentsystemforriskmanagementandrecognitionofmushroomspecies AT terlecʹkijtv architectureoftheintelligentsystemforriskmanagementandrecognitionofmushroomspecies AT kajdikol architectureoftheintelligentsystemforriskmanagementandrecognitionofmushroomspecies AT ugrindí arhítekturaíntelektualʹnoísistemiupravlínnârizikamitarozpíznavannâvidívgribív AT ušenkoûo arhítekturaíntelektualʹnoísistemiupravlínnârizikamitarozpíznavannâvidívgribív AT dvoržakvv arhítekturaíntelektualʹnoísistemiupravlínnârizikamitarozpíznavannâvidívgribív AT terlecʹkijtv arhítekturaíntelektualʹnoísistemiupravlínnârizikamitarozpíznavannâvidívgribív AT kajdikol arhítekturaíntelektualʹnoísistemiupravlínnârizikamitarozpíznavannâvidívgribív |
| first_indexed |
2025-09-24T17:29:38Z |
| last_indexed |
2025-09-24T17:29:38Z |
| _version_ |
1850410279594098688 |