Standard

Нейросетевые методы улучшения качества изображения рентгеновских снимков семян сельскохозяйственных культур. / Попов, Артём Петрович; Блеканов, Иван Станиславович.

In: Процессы управления и устойчивость, Vol. 10, 04.07.2023, p. 318-324.

Research output: Contribution to journal › Conference article › peer-review

Harvard

Попов, АП & Блеканов, ИС 2023, 'Нейросетевые методы улучшения качества изображения рентгеновских снимков семян сельскохозяйственных культур', Процессы управления и устойчивость, vol. 10, pp. 318-324.

APA

Попов, А. П., & Блеканов, И. С. (2023). Нейросетевые методы улучшения качества изображения рентгеновских снимков семян сельскохозяйственных культур. Процессы управления и устойчивость, 10, 318-324.

Vancouver

Попов АП, Блеканов ИС. Нейросетевые методы улучшения качества изображения рентгеновских снимков семян сельскохозяйственных культур. Процессы управления и устойчивость. 2023 Jul 4;10:318-324.

Author

Попов, Артём Петрович ; Блеканов, Иван Станиславович. / Нейросетевые методы улучшения качества изображения рентгеновских снимков семян сельскохозяйственных культур. In: Процессы управления и устойчивость. 2023 ; Vol. 10. pp. 318-324.

BibTeX

@article{3ec54c935593487295dfea47f6fa0a07,
title = "Нейросетевые методы улучшения качества изображения рентгеновских снимков семян сельскохозяйственных культур",
abstract = "Данная статья посвящена проблемам продовольственной безопасности в умном сельском хозяйстве в контексте задач автоматизации и оптимизации технологических процессов принятия решений. В работе авторы предлагают и обучают нейросетевую модель, а именно генеративно-состязательную сеть SRGAN, для улучшения качества рентгеновских снимков семян сельскохозяйственных культур. Кроме того, авторы описывают процедуру сбора, построения и расширения специализированного набора данных, на котором производят обучение и оценку качества. Полученные результаты позволяют сделать вывод о том, что рассмотренная модель способна восстанавливать структуру и повышать детализацию изображений семян в зашумленных рентгеновских снимках. Также определён вектор дальнейших исследований в данной области и возможные улучшения модели.",
keywords = "СВЕРХРАЗРЕШЕНИЕ ИЗОБРАЖЕНИЙ, УМНОЕ СЕЛЬСКОЕ ХОЗЯЙСТВО, НЕЙРОННЫЕ СЕТИ, ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНАЯ СЕТЬ, ИЗОБРАЖЕНИЯ СЕМЯН, ДЕТЕКЦИЯ ОБЪЕКТОВ",
author = "Попов, {Артём Петрович} and Блеканов, {Иван Станиславович}",
year = "2023",
month = jul,
day = "4",
language = "русский",
volume = "10",
pages = "318--324",
journal = "Процессы управления и устойчивость",
issn = "2313-7304",
publisher = "Смирнов Николай Васильевич",
note = "LIV Международная научная конференция аспирантов и студентов «Процессы управления и устойчивость» , CPS'23 ; Conference date: 03-04-2023 Through 07-04-2023",
url = "https://apmath.spbu.ru/ru/nauka/29-konferentsiya-control-processes-and-stability.html, http://cpsconf.ru/news/, https://youtu.be/UZyqnGh4ZTw?t=7376, https://youtu.be/UZyqnGh4ZTw?t=7378, таймкод: 2:02:58",

}

RIS

TY - JOUR

T1 - Нейросетевые методы улучшения качества изображения рентгеновских снимков семян сельскохозяйственных культур

AU - Попов, Артём Петрович

AU - Блеканов, Иван Станиславович

N1 - Conference code: 54

PY - 2023/7/4

Y1 - 2023/7/4

N2 - Данная статья посвящена проблемам продовольственной безопасности в умном сельском хозяйстве в контексте задач автоматизации и оптимизации технологических процессов принятия решений. В работе авторы предлагают и обучают нейросетевую модель, а именно генеративно-состязательную сеть SRGAN, для улучшения качества рентгеновских снимков семян сельскохозяйственных культур. Кроме того, авторы описывают процедуру сбора, построения и расширения специализированного набора данных, на котором производят обучение и оценку качества. Полученные результаты позволяют сделать вывод о том, что рассмотренная модель способна восстанавливать структуру и повышать детализацию изображений семян в зашумленных рентгеновских снимках. Также определён вектор дальнейших исследований в данной области и возможные улучшения модели.

AB - Данная статья посвящена проблемам продовольственной безопасности в умном сельском хозяйстве в контексте задач автоматизации и оптимизации технологических процессов принятия решений. В работе авторы предлагают и обучают нейросетевую модель, а именно генеративно-состязательную сеть SRGAN, для улучшения качества рентгеновских снимков семян сельскохозяйственных культур. Кроме того, авторы описывают процедуру сбора, построения и расширения специализированного набора данных, на котором производят обучение и оценку качества. Полученные результаты позволяют сделать вывод о том, что рассмотренная модель способна восстанавливать структуру и повышать детализацию изображений семян в зашумленных рентгеновских снимках. Также определён вектор дальнейших исследований в данной области и возможные улучшения модели.

KW - СВЕРХРАЗРЕШЕНИЕ ИЗОБРАЖЕНИЙ

KW - УМНОЕ СЕЛЬСКОЕ ХОЗЯЙСТВО

KW - НЕЙРОННЫЕ СЕТИ

KW - ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНАЯ СЕТЬ

KW - ИЗОБРАЖЕНИЯ СЕМЯН

KW - ДЕТЕКЦИЯ ОБЪЕКТОВ

UR - https://elibrary.ru/item.asp?id=54192115

UR - https://elibrary.ru/contents.asp?id=54192063

UR - https://dspace.spbu.ru/bitstream/11701/41728/1/cps2023.pdf

M3 - статья в журнале по материалам конференции

VL - 10

SP - 318

EP - 324

JO - Процессы управления и устойчивость

JF - Процессы управления и устойчивость

SN - 2313-7304

T2 - LIV Международная научная конференция аспирантов и студентов «Процессы управления и устойчивость»

Y2 - 3 April 2023 through 7 April 2023

ER -

ID: 108234963