Актуальность. Сегодня при борьбе с болезнями риса, по-прежнему, широко практикуется прием равномерного опрыскивания всего поля либо в качестве превентивной меры, либо при обнаружении каких-либо симптомов заболеваний. При этом зачастую болезни на ранних стадиях идентифицируются неверно и комплекс препаратов подбирается некорректно. В статье исследуются возможность детекции и классификации некоторых грибных  болезней риса по фотографии с помощью машинного обучения. Рассмотрены две болезни: пирикуляриоз и группа болезней – бурая пятнистость.

Методика. Основной идеей, стоящей за сверточными нейронными сетями, является попытка приблизить работу сети к механизму работы зрения человека. Для определения наличия на изображении того или иного заболевания используются современные методы компьютерного зрения, основанные на сверточных нейронных сетях. Сбор датасета нужно в первую очередь ориентировать на конечного пользователя модели. Но даже следя за качеством и условиями съемки как при сборе данных, так и при использовании обученной модели, может возникнуть ряд проблем принципиального характера, могущих существенно ухудшить качество модели. Среди них: недостаточный объем выборки; естественная инвариантность предсказаний относительно поворотов/отражений изображения; неустойчивость предсказаний, когда даже незначительный шум может изменить результат; эффект переобучения, когда качество предсказаний на новых изображениях оказывается значительно ниже, чем на обучающих. Проводится сравнение четырех наиболее успешных и компактных архитектур сверточных нейросетей: GoogleNet, ResNet-18, SqueezeNet-1.0 и DenseNet-121. Показано, что в  используемом для анализа наборе данных болезнь можно выявить с точностью не ниже 95%.

Результаты. Полученные результаты могут быть  использованы для автоматического распознавания грибных заболеваний риса и принятия решения о проведении защитных мероприятий, которое можно было бы осуществить с минимальными трудовыми и временными затратами.