The choice of deep learning methods for solving the problem of recognizing plant diseases for cases of a small training sample ; Выбор методов глубокого обучения для решения задачи распознавания болезней растений в условиях малой обучающей выборки

Loss of yield due to plant diseases is a serious problem for rural farmers, the economy and food security, requiring timely measures to identify and prevent diseases. Recently, neural network methods of deep penetration have been successfully applied to solve the problem of recognizing plant diseases from photographs of their leaves. This study analyzes the methods used to train deep convolutional neural networks for cases of a small training set. For the PDD data (http://pdd.jinr.ru/crops.php), the transfer learning technique and the Siamese neural network method with a three-term error function were applied, which allowed achieving 99.5% of the classification accuracy. ; Потеря урожая из-за болезней растений является серьезной проблемой для сельских жителей, экономики и продовольственной безопасности, требующей принятия своевременных мер для выявления и предотвращения болезней. В последнее время для решения задачи распознавания болезней растений по фотографиям их листьев стали с успехом применяться нейросетевые методы глубокого обучения. В настоящем исследовании выполнен анализ методов, используемых для обучения глубоких сверточных нейронных сетей в условиях малой обучающей выборки. Для данных PDD (http://pdd.jinr.ru/crops.php) применена техника переноса обучения и метода сиамских нейронных сетей с трехчленной функцией ошибки, что позволило достичь 99.5% точности классификации.