Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів

Abstract

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.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’ 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.