АрхИИВ

Архив Сельское хозяйство · Теплицы, садоводство и виноградарство

Университет Цзянсу: ИИ диагностирует болезни лозы по снимкам, F1 96,6%

В исследовании Университета Цзянсу гибридная модель CNN-LSTM-DNN распознаёт болезни винограда на полевых изображениях: точность, полнота и F1 составили по 96,6%, IoU — 93,4%.

Кейс предоставлен Vinum ex Machina

запись № 241 · Кейсбук v2026-09-29, Никита Худов · CC BY-SA 4.0

Текст адаптирован под формат паспорта АрхИИВ и публикуется по CC BY-NC 4.0 с разрешения автора Кейсбука.

Стадия
Исследование
География
Китай
Год
2024
Источники
1
CB-002707
по данным Vinum ex Machina

/01 · ключевые результаты

Цифры приведены по Кейсбуку Vinum ex Machina и не сверены редакцией с первоисточником.

  • возможность системы

    96,6%

    точность, полнота и F1 модели

    Vinum ex Machina, документ, 29.09.2026

    2024 год · модель мультидиагностики болезней лозы на полевых изображениях, исследование

    данные исследования

оценка strategai

Оценка не рассчитывается.

В исследовании Университета Цзянсу гибридная модель CNN-LSTM-DNN распознаёт болезни винограда на полевых изображениях: точность, полнота и F1 составили по 96,6%, IoU — 93,4%.

Стадия
Исследование
География
Китай
Год
2024
Источники
1
CB-002707
по данным Vinum ex Machina

/02 · паспорт кейса

/ паспорт кейса · CB-002707Jiangsu University

Бизнес

Компания
Jiangsu University
Отрасль
Сельское хозяйство · Теплицы, садоводство и виноградарство
Функция
Производство и основные операции
Задача
Точное земледелие и животноводство

Технология

Класс AI
Компьютерное зрение
Тип решения
Собственная разработка
Данные
295 оригинальных и 1 770 аугментированных полевых изображений

Внедрение

Стадия
Исследование, на 29.09.2026
География
Китай

/03 · описание кейса

Зачем

Бизнес-задача

Исследователи Университета Цзянсу (Китай) поставили задачу мультидиагностики: одна модель должна распознавать несколько болезней винограда по снимкам, сделанным в полевых условиях. Работа опубликована в журнале Plants и относится к исследовательской стадии.

Что

Решение

Решение — гибридная нейросетевая архитектура CNN-LSTM-DNN с трансферным обучением. Модель обрабатывает полевые изображения лозы и выдаёт диагностику болезней. Автор работы — Elsherbiny O., Университет Цзянсу.

Как

Внедрение

Данные для обучения и проверки составили 295 оригинальных полевых изображений и 1 770 аугментированных. Результаты относятся к 2024 году и получены в рамках исследовательского проекта. Первоисточник — статья в журнале Plants, DOI 10.3390/plants13010135.

/04 · источники и проверка

Что подтверждено

  • В исследовании Университета Цзянсу точность, полнота и F1 гибридной модели CNN-LSTM-DNN составили по 96,6%, IoU — 93,4%.
  • Модель обучена с трансферным обучением на 295 оригинальных и 1 770 аугментированных полевых изображениях.

Ограничения

  • Метрики получены в исследовании на ограниченном наборе изображений; они не показывают качество диагностики на виноградниках в регулярной работе.

  1. [1] Vinum ex Machina

    Vinum ex Machina — Кейсбук, запись № 241

    партнёр · 29.09.2026

    Открыть источник

Архив Сообщить о неточности

АрхИИВ /strategai · CB-002707 · Версия 1 · 25.10.2026 · /c/CB-002707/ · Vinum ex Machina № 241