аспирант
Москва, Россия
В данной статье предлагается обзор некоторых из существующих методов автоматизации диагностики, применимых для разнообразных предметных областей. В настоящее время многие отрасли промышленности, медицины, сельского и агротехнического хозяйств идут по пути уменьшения необходимо-сти участия людских ресурсов в процессах диагностики неполадок оборудования, всевозможных заболеваний как людей, так и растений. Количество всевозможных методов диагностики и методов обработки полученных данных со временем увеличивается, как и сам поток данных и требования к точности и скорости обработки. Важной задачей является построение адекватных моделей анализа данных с учетом случайных возмущений и необходимость быстрого исследования в темпе поступления данных. Единственным способом выбора наиболее оптимального метода является проведение сравнительного анализа и сопоставление множества факторов, которые необходимо учитывать при выборе того или иного метода
метод диагностики, нейронные сети, матрицы смежности, сравнительный анализ, диагностика заболеваний, нечеткая логика, автоматизация диагностики
1. Рыбаков А.В., Ходарова З.М. Перспективы использования мобильных роботов с системами технического зрения в сельском хозяйстве. Сборник научных трудов VII Международной научно-практической конференции "Симметрии :теоретический и методический аспекты". 2018. С. 39-46.
2. Рыбаков А.В., Лихтер А.М., Погожева А.Б., Михайлова А.В., Дусалиев А.Б. Проектирование робототехнических манипуляторов с системой компьютерного зрения для сбора томатов. Прикаспийский журнал: управление и высокие технологии. 2020. №3. С. 135-147
3. Diptesh Majumdar, Dipak Kumar Kole, Aruna Chakraborty, and Dwijesh Dutta Majumder. "AnIntegrated Digital Image Analysis System for Detection, Recognition and Diagnosis of Disease in Wheat Leaves."In Proceedings of the Third International Symposium on Women in Computing and Informatics. ACM. 2015. pp. 400-405.
4. Jayme Garcia ArnalBarbedo. Digital image processing techniques for detecting, quantifying and classifying plant diseases / BarbedoSpringerPlus 2013. 2:660.
5. JyotismitaChaki, Ranjan Parekh. Designing an Automated System for Plant Leaf Recognition / IJAET. 2012. Vol.2. Issue. 1. pp. 149-158.
6. Liu T., Wu W., Chen W., Sun C., Zhu X., Guo W., Automated image-processing for counting seedlings in a wheat field. Precis. Agric. 2016. 17. 392-406.
7. Gagarina L.G., Garashchenko A.V., Ye K.Z., Dorogova E., Kochneva, M. Development of an Approach to Automatic Test Generation Based on the Graph Model of a Cache Hierarchy // Proceedings of the 2020 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering. EIConRus 2020. pp. 1940-1944.
8. Histograms/ NASA Langley Research Center, Hampton, VA. https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20080015431.pdf
9. Битюков С.И., Максимушкина А.В., Смирнова В.В. Сравнение гистограмм в физических исследованиях // Известия вузов. Ядерная энергетика. 2016. № 1. С. 108-111.
