Програмне забезпечення ідентифікації рослин на основі методів штучного інтелекту

Abstract

Кваліфікаційна магістерська робота присвячена розробці програмного забезпечення для ідентифікації рослин на основі методів штучного інтелекту. Актуальність дослідження, полягає у тому, що з кожним роком зростає інтерес до захисту довкілля, ботаніки та дослідження біорізноманіття. Однак, процес ідентифікації рослин залишається складним завданням, особливо для людей без фахової підготовки. Програмні забезпечення на основі штучного інтелекту дозволяють автоматизувати та прискорити цей процес, роблячи його доступним для широкої аудиторії — від науковців до любителів природи. Розробка таких застосунків, як “GreenEye”, є актуальною через потребу у швидкій та точній ідентифікації рослин у різних сферах: сільському господарстві, екології, освіті та наукових дослідженнях. Об’єктом дослідження є процеси ідентифікації рослин на основі аналізу зображень. Предметом дослідження є методи штучного інтелекту для класифікації та розпізнавання рослин. Мета роботи полягає у полягає у підвищенні ефективності і точності розпізнавання рослин за рахунок створення системи, призначеної для ідентифікації рослин на основі методів штучного інтелекту за допомогою використання технологій апаратної та програмної реалізації React Native, NEST.JS та бази даних PostgreSQL. Кваліфікаційна магістерська робота складається зі вступу, чотирьох розділів, висновків та переліку джерел посилання. У вступі обґрунтовується актуальність теми, описуються поставлені задачі, предмет дослідження та об’єкт дослідження. У першому розділі надається аналіз аналогічних застосунків для ідентифікації рослин, а також системи, що розробляється, визначаються вимоги до програмного забезпечення та встановлюються технічні обмеження для проєкту. Описуються вимоги до користувацького інтерфейсу та основні функції застосунку. Другий розділ присвячено опису моделювання застосунку. Розглядаються етапи його розробки, надаються варіанти сценаріїв використання, створюються алгоритми для ідентифікації рослин та будуються відповідні діаграми взаємодії. У третьому розділі описуються основні аспекти проєктування системи ідентифікації рослин. Розглядається архітектура системи, яка забезпечує її надійність, масштабованість і ефективність. Наводиться структура бази даних, яка дозволяє зберігати, обробляти та управляти даними про рослини, забезпечуючи швидкий доступ до інформації. Також детально описується процес розробки датасету, що включає збір, обробку та класифікацію даних, необхідних для навчання моделей штучного інтелекту. Четвертий розділ присвячено інформації щодо програмної реалізації застосунку. Детально описуються програмні засоби, які використовувалися для розробки системи, акцентується їхня роль у забезпеченні функціональності та продуктивності. Крім того, розглядається процес програмної реалізації, зокрема розробка основних компонентів застосунку, їх інтеграція та впровадження системи. У висновках проводиться аналіз роботи та отриманих результатів. Кваліфікаційна робота викладена на 103 сторінках машинописного тексту, складається із вступу, 4 розділів, загальних висновків та переліку джерел посилання з 19 найменувань. Праця містить 23 таблиць та 46 рисунків. The qualifying master's thesis is devoted to the development of software for plant identification based on artificial intelligence methods. The relevance of the research lies in the fact that interest in environmental protection, botany and biodiversity research is growing every year. However, the process of plant identification remains a difficult task, especially for people without professional training. Artificial intelligence-based software allows you to automate and accelerate this process, making it accessible to a wide audience, from scientists to nature lovers. The development of such applications as "GreenEye" is relevant due to the need for quick and accurate identification of plants in various fields: agriculture, ecology, education and scientific research. The object of research is plant identification processes based on image analysis. The subject of research is artificial intelligence methods for plant classification and recognition. The purpose of the work is to increase the efficiency and accuracy of plant recognition by creating a system designed for plant identification based on artificial intelligence methods using the hardware and software implementation technologies of React Native, NEST.JS and the PostgreSQL database. The qualification work consists of an introduction, four sections, conclusions and a list of references. The introduction substantiates the relevance of the topic, describes the tasks, the subject of research and the object of research. The first section provides an analysis of similar applications for plant identification, as well as the system under development, defines the software requirements, and establishes technical constraints for the project. The requirements for the user interface and the main functions of the application are described. The second section is devoted to the description of application modeling. The stages of its development are considered, options for use scenarios are provided, algorithms for plant identification are created, and appropriate interaction diagrams are constructed. The third chapter describes the main aspects of designing a plant identification system. The architecture of the system, which ensures its reliability, scalability and efficiency, is considered. A database structure is provided that allows storing, processing and managing plant data, providing quick access to information. The dataset development process is also described in detail, including the collection, processing and classification of data required for training artificial intelligence models. The fourth section is devoted to information about the software implementation of the application. The software tools that were used to develop the system are described in detail, and their role in ensuring functionality and productivity is emphasized. In addition, the process of software implementation is considered, in particular, the development of the main components of the application, their integration and implementation of the system. In the conclusions, an analysis of the work and the obtained results is carried out. The qualification work is presented on 103 pages of typewritten text, consists of an introduction, 4 sections, general conclusions, a list of references with 19 titles. The work contains 23 tables and 46 figures.