Metody rozpoznawania gatunków grzybów na podstawie zdjęcia

• Autorzy: Chodoła Kamil , Czyż Grzegorz , Skublewska-Paszkowska Maria

Identyfikatory

DOI

10.35784/jcsi.438

Warianty tytułu

EN

Methods for recognizing mushroom species on the basis of the photo

• Języki publikacji: PL

Abstrakty

PL

Celem artykułu jest porównanie dwóch metod rozpoznawania gatunków grzybów. W artykule zostały opisane dwie metody oparte na jednych z najpopularniejszych rozwiązań w dziedzinie image recognition, czyli Tensorflow oraz OpenCV. Do przeprowadzenia badań stworzono aplikację mobilną, w której obie metody zostały zaimplementowane oraz przetestowane. Dodatkowo aplikację wyposażono w mechanizmy ułatwiające zbieranie danych o aplikacji oraz algorytmach. Rezultaty badań wykazały, iż metoda oparta o Tensorflow o 9% skuteczniej rozpoznaje gatunki grzybów.

EN

The aim of the article is to compare two methods for identifying mushroom species. In article, two methods based on one of the most popular solutions in the field of image recognition, Tenosorflow and OpenCV, have been described. A research application was created to carry out the research, in which both algorithms were implemented and tested. In addition, the application was equipped with mechanisms facilitating the collection of application data and algorithms. The results of the research have show that the method based on Tensorflow by 9% more effectively recognizes mushroom species.

Słowa kluczowe

PL

OpenCV; Tensorflow; rozpoznawanie obrazu

EN

OpenCV; Tensorflow; image recognition

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Journal of Computer Sciences Institute
• Rocznik: 2019
• Tom: Vol. 12
• Strony: 199--205
• Opis fizyczny: Bibliohr. 8 poz., rys.

Twórcy

autor

Chodoła Kamil

• Politechnika Lubelska,Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

autor

Czyż Grzegorz

• Politechnika Lubelska,Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

autor

Skublewska-Paszkowska Maria

• Politechnika Lubelska,Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

Bibliografia

• [1] Baggio D. L.: Mastering OpenCV with Practical Computer Vision Projects, Packt Publishing Ltd, 2012.
• [2] Bradski G., Kaehler A.: Learning OpenCV, O’Reilly 2008.
• [3] He K., Zhang X., Ren S., Sun J.: The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, s. 770-778.
• [4] Krzyśko M., Wołyński W., Górecki T., Skorzybut M.: Systemy uczące się, Wydawnictwo Naukowo-Techniczne Sp. z o.o., 2008.
• [5] OpenCVSharp, https://github.com/shimat/OpenCVsharp [07.05.2019].
• [6] Staniszewski P.: Użytkowanie grzybów leśnych – praktyka i problemy badawcze, Stud. Mater. CEPL w Rogowie, 2014, s. 143 – 152.
• [7] Tang J.: Intelligent Mobile Projects with Tensorflow, Packt Publishing Ltd. 2018.
• [8] TensorflowSharp, https://github.com/migueldeicaza/TensorflowSharp [11.05.2019].

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).