Abstract
Своевременное выявление заболеваний овощных культур имеет важное значение для обеспечения глобальной продовольственной безопасности и минимизации сельскохозяйственных потерь. В настоящем исследовании проведено сравнительное оценивание эффективности четырех моделей глубокого обучения — CNN, ResNet50, EfficientNetB0 и MobileNetV2 — для выявления заболеваний кар-тофеля, томатов и моркови с использованием технологий компьютерного зрения. Для определения эффективности данных моделей они были обучены и протести-рованы на специально сформированном наборе данных, после чего оценивались по показателям точности классификации и времени инференса. Согласно получен-ным результатам, наибольшую точность продемонстрировала модель CNN. Модель MobileNetV2 показала высокую эффективность при одновременном учете произво-дительности и высокой скорости обработки, что делает ее перспективной для при-менения в системах реального времени. Результаты исследования демонстрируют, что облегченные модели глубокого обучения могут обеспечить эффективное выяв-ление заболеваний овощных культур