QISHLOQ XO‘JALIGIDA RAQAMLI TRANSFORMATSIYA: DRON TASVIRLARI YORDAMIDA BEGONA O‘TLARNI ANIQLASHDA CHUQUR O‘QITISH MODELLARINING QIYOSIY TAHLILI
DOI:
https://doi.org/10.65164/5ddavb37Keywords:
Sun’iy intellekt, Dron tasvirlari, Begona o‘tlarni segmentatsiya qilish, U-Net, DeepLabV3, SegFormer, Aqlli dehqonchilik, RTX 5090.Abstract
Ushbu tadqiqot ishi qishloq xo‘jaligi sohasini raqamlashtirishda dron texnologiyalari va sun’iy intellekt (SI) algoritmlarining o‘rni hamda texnologik samaradorligini o‘rganishga bag‘ishlangan. Asosiy e’tibor ekinlar orasidagi begona o‘tlarni avtomatlashtirilgan holda aniqlash va ularni yuqori aniqlikda segmentatsiya qilishga qaratilgan. Tajribalar davomida U-Net, DeepLabV3 va SegFormer kabi zamonaviy chuqur o‘qitish arxitekturalari “CoFly-WeedDB” ma’lumotlar to‘plami yordamida qiyosiy tahlil qilindi. Tadqiqot natijalari shuni ko‘rsatdiki, U-Net modeli 0.4072 mIoU va 0.9554 Pixel Accuracy bilan barqarorlikni isbotlagan bo‘lsa , SegFormer modeli 10 martadan ko‘proq kam parametrlar (3.7 mln) bilan tezkor ishlash imkoniyatini namoyish etdi.
References
[1.]
Krestenitis, M., Raptis, E. K., Kapoutsis, A. C., Ioannidis, K., Kosmatopoulos, E. B., Vrochidis, S., & Kompatsiaris, I. (2022). CoFly-WeedDB: A UAV image dataset for weed detection and species identification. Data in Brief, 45, 108575.
[2.]
Ronneberger, O., et al. (2015). “U-Net: Convolutional Networks for Biomedical Image Segmentation”.
[3.]
Xie, E., et al. (2021). “SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers”.
[4.]
Chen, L. C., et al. (2018). “Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation”.
[5.]
“Qishloq xo‘jaligida raqamli texnologiyalar” darsligi, 2024.
[6.]
Usmanov, R.; Abdusalomov, A.; Kuchkorov, T.; Mukhiddinov, M. Image enhancement based on histogram equalization for indoor environment objects. In Proceedings of the International Scientific-Practical and Spiritual-Educational Conference Dedicated to the 1235th Anniversary of Muhammad al-Khwarizmi, Tashkent, Uzbekistan, 5–6 April 2018.
