БИНАРНАЯ ДЕТЕКЦИЯ РАСТИТЕЛЬНЫХ ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ ГЛУБОКИХ НЕЙРОННЫХ СЕТЕЙ

Статья посвящена разработке метода автоматической детекции сельскохозяйственных культур и сорняков на основе глубокого обучения для систем точного земледелия. В работе представлена методология обучения глубоких нейронных сетей для задачи одновременной детекции и классификации множественных видов растений. Выполнены: сбор и аннотация репрезентативного датасета; адаптация и тонкая настройка предобученных детекторов; экспериментальное сравнение их эффективности. Ключевые результаты включают достигнутые значения средней точности (mAP@0.5) и анализ характерных ошибок (ложные срабатывания, пропуски, путаница классов). Полученные модели предлагаются как инструмент для поддержки решений в агрономии и экологических исследованиях.