Petrisor Rares Dacian Proiect3 Iaisc [625809]

PROIECT 3 STUDENT: [anonimizat]. Rareș -Dacian PETRIȘOR
SPECIALIZAREA: Master IAISC AN: 2
Titlul
proiectului:
Aplicație pentru clasificarea defolierilor la cvercinee
Data evaluării:
Nota:

Scurtă descriere
Proiectul a avut ca scop dezvoltarea unui clasificator capabil să id entifice defolierile cauzate asupra frunzelor
de gorun (Quercus petraea ). Pentru această clasificare au fost utilizate pa tru clase : frunze atacate de
Lymantria dispar , frunze atacate de Geometridae sp ., atac combinat ( frunze atacate de ambii defoliatori )
și frunze neatacate.
S-a construit o bază de date de imagini util izând 700 de frunze colectate din teren . Achiziția de imagini s -a
realizat cu o cam eră montată la punct fix. Imaginile au fost achiziționate în format jpg, la o rezoluție de 4608
x 2112 px. Fiecare imagine a fost supusă unui algoritm de pro cesare, în urma căruia s -a obținut o imag ine
binară normaliz ată. S-a decis utilizarea unor imagini binare din două motive: modelul defolierilor este
independent de culoarea frunzelor și sporirea s ecurității clasificatorului împo triva adversa rial at tacks
(deoarece o parte din aceste atacuri se bazează pe introducerea de „zgomot plasat strategic ”, prin binarizare
se elimină culorile care pot genera surse de zgomot și difer ențele de iluminat când se va achiziționa o im agine
în teren , îmbunătățind fiabilitatea c lasificatorulu i).
Complexitatea clasificării este determinată de mai mulți factori: toate imaginile aparțin aceleași spe cii de
arbore (gorun), dar f runzele prezintă o varietate morfologică de la un individ la altul, dar și în cadrul aceluiași
individ (nu există două frunze perfect identice) ; modelul după care se realizează defolierea diferă între cele
două specii studiate, dar există posibilitatea ca a mbele specii de defoliator să atace frunza în același timp.
Luând în calcul acești factori, s -a decis clasificarea u tilizând deep learning. Clasificatorul a avut la bază
modelul Inception V3, care a fost reantrenat pentru a fi capabil să clasifice cele patru clase descrise anterior.
Implementarea acestuia s -a făcut utilizând librăria Tensorflow și limbajului Python. Ca și date de antrenare
s-a utilizat baza de date de imagini descrisă anterior, 80% dintre imagini fiind utilizate pentru antrenare și
20% pentru validare. S -a obținut o acuratețe de 74 -75%. Acuratețea modelului poate fi îmbunătățită prin
creșterea numărului de imagini din setul de date de training, dar și prin modificarea arhitecturii modelului
(fine tuning) pentru a fi mai performant pentru acest caz. Modelul Inception V3 a fost conceput pentru
clasificări mai generale (de exemplu, pentru a distin ge intre un avion și un urs). Rețeaua poate fi altera tă prin
introducerea/eliminarea de straturi convo luționale, average pool, max pool, softmax.
Clasificatorul ob ținut poate fi ut ilizat pentru o aplicație mobile standalone, modelele dezvoltate cu
TensorFlow permițân d acest lucru . Pentru a fi funcțional, mai este nec esar un algoritm de binarizare și
normalizare a imaginilor achiziționate utilizând camera dispozitivul ui mobil.

Student: [anonimizat]. Rareș -Dacian Petrișor
Coordonator
Prof. dr. ing. Honoriu Vălean