Гквл что это такое: что это такое: ГВЛ, ГКЛВ, характеристики и применение

Что такое ГКЛ в строительстве

В статье из чего сделать стены в квартире, я затронул тему про каркасный вариант, это в основном ГВЛ, ГКЛ и ЦСП варианты. Про вариант с ЦСП мы уже говорили, а вот про ГВЛ и ГКЛ мои читатели просят рассказать подробнее. Сегодня возьму самый дешевый материл, как вы наверно догадались речь пойдет об гипсокартоне …

ОГЛАВЛЕНИЕ СТАТЬИ

• Где применяется
• Разновидности
• Тип кромки
• Плюсы и минусы этого материала

Для начала расскажу, что мой друг очень долго выбирал из чего делать стены и вариант с гипсокартоном оказался самый дешевый, однако не такой прочный как хотелось бы, но все по порядку, давайте начнем с определения.

ГКЛ – «ГипсоКартонный Лист» (гипсокартон) – материал в основном состоящий из прессованного гипса, он располагается основным пластом внутри, а вот верх листа и низ закрывает прессованная бумага.

То есть это своего рода прессованный и структурированный гипс.

Где применяется

Применяют его в строительстве стен и перегородок квартир, частных домов и офисов. Зачастую он служит для выравнивания стен. Но вот для внешнего применения (для уличной отделки) он практически не пригоден из-за своей хрупкости.

Легко режется и обрабатывается, можно отрезать чуть ли не ножом. Однако для ровной кромки все же нужно резать пилой.

Из-за легкой обработки приглянулся многим дизайнерам, из него можно делать различные элементы декора, начиная от арок, заканчивая сложными элементами.

Такие листы идеально подходят для выравнивания черновых стен и подвесного потолка. Иногда дешевле сделать слой ГКЛ, чем выравнивать все это штукатуркой.

Применяется он и в строительстве перегородок (такие выбрал мой друг), это самый быстровозводимый и дешевый материал из всех приемлемых на данный момент.

Разновидности

Сейчас ложился стереотип что – ГКЛ является хрупким и не влагостойким материалом, с одной стороны это верно, ведь обычный материал плохо противостоит влаге и разрушается при контакте с ней. Однако разновидностей такой плиты несколько:

ГКЛ – обычная гипсокартонная плита.

ГКЛВ – влагостойкий лист, содержит специальные добавки, как в сам прессованный гипс, так и в верхний бумажный слой, также бумажное покрытие обрабатывается от плесени, так что его верхний и нижний слой устойчивы к «грибкам». Можно узнать по зеленому цвету. Основное назначение такой плиты  — это влажные помещения, ванная комната, кухня, санузлы, туалеты и т.д.

ГКЛО – огнестойкий лист, этот материал содержит «добавления», которые препятствуют горению материала. Верхний слой обугливается, но не поддерживает огонь. Такие плиты идеальны для подсобных помещений, нежилых производственных комнат, а также для других промышленных зданий и построек.

Тип кромки

Многие ошибочно полагают — что кромка у ГКЛ одинаково ровная, и что она ломается при любом воздействии. Это не совсем правильно. «Классическая» прямая кромка действительно ровная, и сломать ее действительно легко, однако под различные нужны, существует и различная кромка, она не одинакова!

• Прямая или классическая кромка. Как вы поняли они прямая, используется в сухой конструкции, без заделки шва.

• Прямая утонченная. На концах листа есть специальные утончения для заделки стыка. В эту тонкую часть помещается крепежная лента и заделывается все штукатуркой.

• Полукруглая. Можно использовать штукатурки без армирующей ленты.

• Полукруглая удлиненная. Универсальная, можно использовать с армирующей лентой, так и без нее.

• Круглая. Такие листы можно укладывать на любую поверхность, не только на металлический профиль, стыки прочны как с внешней, так и с внутренней стороны. Отделываются любыми штукатурками, без армирования.

Плюсы и минусы этого материала

Плюсы:

• Дешевая цена. Действительно, дешевле в два раза, чем ГВЛ, и уж тем более дешевле бетонных, кирпичных, газобетонных и прочих стен.
• Легкие. Не оказывают повышенного давления на пол. Можно перенести лист вдвоем.
• Быстровозводимые. Перегородки в трехкомнатной квартире можно возвести за 2 – 3 дня, бригадой из 2 – 3 человек.
• Можно применять во влажных комнатах (ГКЛВ), таких как ванная, кухня и т.д.
• Пригодны для выравнивания, идут в больших листах, практически от пола, до потолка.
• Выделения вредных веществ в «экологическом» уровне. Можно делать жилые помещения.

Минусы:

• Очень хрупкие. Быстро ломаются. Достаточно неудачно взять, или уронить. Уж тем более пробиваются молотком и другими инструментами. Поэтому на такие стены облокачиваться не стоит.
• Нельзя повесить кухонные и прочие шкафы, опять же из-за хрупкости. Хотя если попасть в металлический профиль, то «легкие» держаться будут.
• Плохая шумоизоляция. Обязательно нужно изолировать! Иначе в спальне будете слышать все шорохи, которые происходят на кухне.

Минусов меньше, но они существенные, ведь именно прочность стен в квартире играет очень большую роль.

Если подвести итог, то получается, ГКЛ — это самый доступный материал из всех, но с другой стороны очень хрупкий и «тонкий» (нужна «шумка»). Так что нужно взвешивать все плюсы и минусы при его выборе.

Надеюсь, моя статья была вам полезна. Читайте наш строительный блог.

расшифровка, технические характеристики, сравнение производителей и цен Использование гкл

Гипсокартонный лист (гкл) – это строительный материал, который достаточно широко применяется в строительстве для обшивки стен, создания межкомнатных перегородок, возведения потолков и для создания оконных откосов. Также его используют при построении разнообразных по форме арок, карнизов, декоративных куполов и колонн необходимого для вас диаметра. При этом, если у вы хотите выровнять стены, то обшивка гкл позволит Вам сделать их идеально ровными с минимальными усилиями.

Лист гкл имеет прямоугольную форму, в середине которого содержится строительный гипс с наполнителем, а с двух сторон он покрыт тонким картоном. Гипсокартонные листы прикрепляют либо при помощи клея для установки гкл , либо на металлический (или на деревянный) каркас шурупами . При этом гипсокартон достаточно прост и удобен в работе.

Гкл влагостойкий (ГКЛВ) предоставляет новые, ничем не ограниченные возможности для воплощения в жизнь интересных планировочных идей при создании современных интерьеров. В том числе, и в сырых помещениях: ванных, душевых, туалетных комнатах.

Цена ГКЛ и ГКЛВ в нашем магазине Вас приятно удивит. Мы предлагаем Вам купить ГКЛ И ГКЛВ отличного качества, по низким ценам. Пишите, звоните, приходите, мы всегда вам рады!

Цугунов Антон Валерьевич

Время на чтение: 4 минуты

Один из незаменимых и популярных в строительном и ремонтном деле материал – это гипсокартон. Он применяется как для возведения различных конструкций, например перегородок или многоуровневых потолков, так и для облицовки внутренних, а иногда даже внешних поверхностей помещений. Такое распространение обуславливают привлекательные характеристики ГКЛ: небольшой вес, относительно невысокая цена, достаточная прочность и легкость в обработке.

Строительные магазины предлагают огромный выбор различных видов, марок и производителей гипсокартонных листов и гипсовых плит. Определиться с выбором в этом разнообразии сразу бывает сложно. Чтобы не ошибиться, нужно четко понимать, какой тип гипсокартонных листов применяется для различных строительных работ и по какому принципу можно выбрать качественный гипсокартон. Попробуем разобраться в этих вопросах.

Что такое гипсокартон

Гипсокартонные листы – это цельная панель из гипсового материала, которая с обеих сторон оклеена плотным картоном. На первый взгляд может показаться, что гипс – слишком хрупкий материал, чтобы применять его в строительстве. Прочность ГКЛ добавляет именно картон, благодаря которому листы не ломаются, не скалываются и не крошатся. При этом их очень легко обрабатывать: распиливать, гнуть и даже строгать. А специальные добавки придают различным видам гипсокартонных листов самые разные свойства.

Несмотря на прочность, для возведения различных конструкций из ГКЛ обязательно нужно использовать каркасную основу, обеспечивающую равномерное распределение нагрузки на всю конструкцию, увеличение ее прочности.

Фото наглядно демонстрирует строение гипсокартонного листа.

Где применяются гипсокартонные листы

Гипсокартонные листы применяются в строительстве для решения самых разных задач:

• Для отделки (выравнивания) стен и . Стеновой ГКЛ имеет толщину 12,5 мм, длину 2,3 или 2,5 метра, а ширину – 1,2 метра. Свойства таких листов – стандартные, в их конструкции не предусмотрено каких-либо особых добавок. Цвет серый, с синей маркировкой.
• Для потолка. С помощью ГКЛ можно не только обшить потолок под натяжную конструкцию, но и создать многоуровневый гипсокартонный потолок или ниши под скрытое освещение.
  Для этих целей используются листы, отличающиеся по размеру: толщина потолочного ГКЛ составляет 9,5 мм, длина – 2 или 2,5 метра, а ширина остается неизменной. Свойства так же стандартные, цвет и маркировка такие же, как у стенового.

• Для обшивки помещений с повышенной влажностью (часто применяется совместно с дополнительной гидроизоляцией). Для этих целей используется особый тип гипсокартона – влагостойкий (ГКЛВ). В состав сердцевины ГКЛВ входят особые добавки, и даже сам картон пропитан антигрибковыми составами. Длина его листов составляет 2,3 либо 2,5 метра, толщина – 12,5 мм, ширина стандартная – 1,2 метра. Такие листы окрашены в зеленый цвет, маркировка синяя.
• Для обшивки дымоходов, каминов и помещений с высокими требованиями к пожарной безопасности. Несмотря на то, что картон в любых типах ГКЛ не горит, а только обугливается, ГКЛО дополнительно содержат в сердечнике большое количество армирующих волокон и добавок, благодаря чему средняя часть листов не деформируется при пожаре. Такие листы имеют стандартную ширину и толщину, их длина – 2, 2,5 или 3 метра, окрашены они в светло-розовый цвет с красной маркировкой.
• Для создания арок и других криволинейных конструкций. Несмотря на то, что и обычный стеновой гипсокартон можно , для этих целей лучше использовать гибкие арочные гипсокартонные листы. В составе их сердцевины содержатся стекловолоконные нити, которые в целом еще и укрепляют материал. Благодаря небольшой толщине в 6,5 мм такой гипсокартон легко сгибать и придавать ему любую изогнутую форму. Ширина у него стандартная, длина – 3 метра, цвет светло-серый.

На следующем фото представлен процесс создания арки из гипсокартонных листов.

Область применения гипсокартона настолько широка, что ею можно объяснить популярность этого строительного материала для внутренней отделки помещений.

Классификация гипсокартонных листов по ГОСТу

Классифицировать ГКЛ можно двумя способами:

• по ГОСТ 6266-97;
• в соответствии с ГОСТ 32614-2012.

Различия этих двух стандартов – в первую очередь во времени их принятия. ГОСТ от 1997 года разделяет гипсокартон на 4 основные разновидности:

1. Обыкновенные гипсокартонные листы (ГКЛ).
2. Влагоустойчивые гипсокартонные листы (ГКЛВ).
3. Огнестойкий гипсокартон (ГКЛО).
4. Сочетающий в себе свойства огнестойкости и влагоустойчивости гипсокартон (ГКЛВО).

На следующем фото видно, как основные виды гипсокартона различаются по цветам.

Изданный в 2012 году ГОСТ был разработан совместно с фирмой Knauf. По нему гипсокартон теперь носит название гипсовых строительных плит и разделяется на восемь типов:

1. Тип A, который является стандартным ГКЛ.
2. H – влагоустойчивые плиты (то же самое, что и ГКЛВ).
3. F – огнеупорные гипсовые плиты (или ГКЛО).
4. D – плиты, обладающие разной плотностью в зависимости от условий их эксплуатации.
5. I – особо твердые гипсовые плиты.
6. Е – плиты, использующиеся для фасадных работ и имеющие свойства минимального водопоглощения и паропроницаемости (ГКЛВ с улучшенными характеристиками).
7. P – плиты, на которые предполагается нанесение штукатурных смесей или укладка кафельной плитки.
8. R – строительный материал, позволяющий создавать довольно прочные сгибы в любых направлениях.

Стандартные размеры, вес и прочность гипсокартона

Гипсокартонные плиты имеют следующие размеры:

• Длина может варьироваться у различных производителей от 1,5 до 3,6 метров. Чаще всего встречаются показатели в 2, 2,5 и 3 метра.
• Стандартная ширина – 1,2 метра, но в продаже можно встретить и изделия меньших размеров шириной всего 0,6 метров. Этот параметр значительно упрощает транспортировку этого строительного материала и уменьшает его вес.
• Показатель толщины варьируется в пределах 6–12,5 мм. Чаще всего толщина гипсокартона зависит от его предназначения. Например, минимальная толщина необходима для создания арок и других изогнутых конструкций, а более толстые листы используются для возведения стен. Помимо этого, можно найти и особо прочные плиты, толщина которых составляет 25 мм.

При покупке гипсокартонных плит стоит помнить и о том, что существует две разных категории этого материала – А и В. В первом случае размеры листа отклоняются от заданных ГОСТом стандартов не больше, чем на пару миллиметров. Во втором даже параметр прямоугольности может иметь отклонения. И хотя большая часть производителей вообще не указывают категорию, поскольку выпускают гипсокартон категории А, этот фактор стоит учитывать.

Вес гипсокартона значительно ниже в сравнении с другими строительными материалами. Причем это касается любого типа и размера ГКЛ – имеющиеся в материале добавки незначительно увеличивают его вес. Даже укрепленная металлическим каркасом стена из гипсокартона будет значительно легче, чем, например, стена из кирпичной кладки.

Один миллиметр толщины листа – это один килограмм на квадратный метр, именно так рассчитывается номинальный вес ГКЛ.

Прочность изделия зависит от его предназначения, а также от качества используемых при изготовлении материалов. Поскольку выбор и картона, и гипсового состава никак не регламентирован и производители вполне могут сами выбирать состав гипсовых плит, качество дешевых марок может быть значительно ниже мировых производителей, таких, как упомянутый выше «Кнауф».

Гипсокартон какого производителя вы используете?

Гипсокартонный лист сегодня присутствует практически в любых отделочных работах. Без него не обходится оформление стен и потолков, дверных и оконных откосов, создание криволинейных поверхностей и фигурных конструкций. Он способен удовлетворить любые фантазии дизайнеров. Изначально этот материал не вызывал большого доверия у строителей, но с усовершенствованием технологии его производства был признан одним из лучших для отделочных работ. Сегодня выпускается достаточно много видов этого материала, отличающихся по своим параметрам и назначению. Стандартные размеры гипсокартона тоже имеют некоторую вариативность. Рассмотрим подробнее, что такое гипсокартон (ГКЛ) и его виды: применение, основные размеры и цены.

Основные сведения о гипсокартоне и «рецепт» его изготовления

Сегодня «сухая» технология строительства предполагает использование ГКЛ в качестве основного конструктивного элемента в отделочных работах. Все остальные детали и конструкции используют сугубо в целях крепления гипсокартонных листов. Любой гипсокартонный лист является неким «бутербродом», внутри которого находится слой из обычного белого гипса, а снаружи картон, обрамляющий лист по обеим сторонам и длинным кромкам.

Картон тонкий, но не взирая на это обстоятельство, он вполне прочный, что придает изделию необходимую жесткость. Внутренняя гипсовая часть может включать в себя различные добавки, которые меняют физические качества материала. Одни компоненты делают гипсокартон более устойчивым к влаге, другие поглощают шум, а третьи придают изделию противопожарные свойства.

Верхнюю сторону ГКЛ принято называть лицевой частью, нижнюю – тыльной стороной, несколько утонченные длинные ребра – боковыми кромками, а внутреннюю часть сердечником.

Где находят свое применение различные виды гипсокартона

Все изготовители ГКЛ, независимо от бренда, стараются выдерживать общие принципы при производстве своей продукции. Они подстраиваются под те строительные нормы и правила, которые сегодня актуальны. Любой производитель имеет в своей линейке несколько видов гипсокартонной продукции. Чаще всего используются на практике ГКЛ либо ГКЛВ.

Гипсокартон строительный или базовый

Это обычный стандартный гипсокартон, который подходит для облицовки стен напрямую или покрытия стеновых и потолочных каркасных конструкций, изготовленных из металлических или деревянных направляющих. Эти листы с удовольствием используют в своих затейливых конструкциях дизайнеры. Базовый гипсокартон возможно использовать только для внутренней отделки помещений в условиях нормальной влажности. Если рассматривать объекты с незавершенной финишной отделкой, то можно заметить, что подавляющее большинство стен закрыто светло-серыми гипсокартонными листами. Именно это и есть строительный ГКЛ.

Влагостойкие гипсокартонные листы

Такой материал имеет маркировку ГКЛВ. Последняя буква в аббревиатуре означает «влагостойкий». Он незаменим в помещениях с повышенной или средней влажностью. Добиться влагостойкого эффекта позволяют модификаторы, добавленные в гипсовую сердцевину. Они сильно снижают способность гипса насыщаться парами воды. По этой же причине в таких изделиях не комфортно себя чувствует грибок и плесень. Такие качества позволяют применять ГКЛВ на кухнях, в санузлах и ванных, на мансардах и балконах с отопительной системой.

Оконные откосы можно делать только из таких плит с повышенной влагостойкостью, так как приоконная область всегда подвержена образованию водяного конденсата. При определенной подготовке с помощью обмазочной гидроизоляции становится возможно использовать такой гипсокартон в душевых и даже бассейнах. Так как по другим параметрам влагостойкие листы ничем не отличаются от обычных, то их вполне можно использовать для любых других целей, присущих обычному базовому листу. Отличительным признаком влагостойкого ГКЛВ является его зеленый цвет.

Гипсокартон, обладающий огнестойкими свойствами

Маркировка огнестойкого гипсокартона ГКЛО, что, собственно, и означает «огнестойкий» гипсокартонный лист. В гипсовую сердцевину таких листов добавляют специальные антипириты. Они усиливают сопротивляемость высоким температурам в два раза. Эта особенность не позволяет огню распространяться быстро в помещении, отделанном такими листами. Примечательно, что некоторые марки ГКЛО являются еще и вдобавок влагостойкими.

Свое применение огнезащитный гипсокартон нашел в помещениях, где существует высокий риск возгорания: электрощитовые, котельные, вентиляционные шахты и кабельные короба. Ими отделывают помещения, сооруженные из стальных конструкций. Особенно часто такой тип листов можно встретить при отделке общественных зданий или офисов. Отличить их можно по очень светлому или даже красноватому оттенку картона.

Гипсокартон для дизайнерских нужд

Под этим названием понимается то, что такие листы удобно применять для изготовления различных криволинейных конструкций. Его еще называют арочным или гибким. Благодаря повышенной пластичности и не большой толщине (6 – 6,5 мм), его можно сгибать до некоторого небольшого радиуса. Это нашло применение в монтаже арочных конструкций и сложных подвесных потолков. В сердечник таких листов вставлена стекловолоконная армирующая сетка в несколько слоев, что в разы увеличивает прочность изделия на излом.

Работать с такими листами одно удовольствие. Ведь их не нужно прокалывать или смачивать. Монтаж полностью «сухой». Арочный гипсокартон тоже бывает огнестойким и водонепроницаемым.

Гипсокартон, обладающий повышенной прочностью

При сооружении конструкций, которые могут подвергаться повышенным нагрузкам применяют усиленный гипсокартон. Такие листы обладают повышенной прочностью. Они спокойно выдерживают крепеж, на котором будет висеть полка или небольшой шкаф. Такие ГКЛУ могут выпускаться толщиной 25, 20 и 18 мм. Их еще иногда называют массивными. По понятной причине, плиты ГКЛУ бывают и огнестойкими, и влагозащитными.

Панели из гипсокартона специального назначения

Иногда требуется применить гипсокартонные листы для определенных специфических условий, поэтому производители легко подстраиваются под потребности строительной области и выпускают продукцию:

• С повышенным уровнем шумозащиты.
• С возможностью крепления на внешних стенах и обладающих еще и ветрозащитными качествами.
• С высокой теплопроводностью. Они незаменимы при монтаже теплых полов или охлаждающих потолочных конструкций.
• Обладающую теплоизолирующими свойствами.
• Включающую в себя целый «пирог» из гидроизоляции и полимерных пенистых слоев.
• Экранирующую рентгеновские лучи или электромагнитные волны.

Существуют и совсем экзотические варианты: с цементной сердцевиной и обрамлением из стекловолокна. Этим материалом можно обшивать фасады зданий, не беспокоясь о его защищенности от погодных факторов. Ну и совсем новый материал – гипсоволокно (ГВЛ), состоящее из гипсового основания, в которое добавлены волокна целлюлозы. Такие листы настолько ровные и прочные, что их не нужно грунтовать перед финишной отделкой. Применяют ГВЛ для монтажа полов, сооружения домов по каркасной технологии, не боятся они и сырости, поэтому могут быть использованы при наружных работах.

Какие типы кромок существуют у ГКЛ

Практически любая марка гипсокартона имеет особую кромку вдоль длинных ребер. Часто она меньшей толщины, чем весь остальной лист. Это дает возможность аккуратно зашпаклевывать или заклеивать стыки между листами. Изнаночная сторона листов снабжена маркировкой, которая обозначает тип кромки.

С утонченными кромками листы выбирают только при финишной отделке помещения. Если осуществляется монтаж нескольких слоев листов, то лучше выбрать обычную прямую кромку.

Стандартные размеры гипсокартонных листов

Как и во всех строительных материалах, в гипсокартоне принято использовать стандартные размеры. Это обстоятельство, впрочем, никак не ограничивает право производителей по заказу изготовить листы с любыми параметрами. Стандартная длина ГКЛ — 2, 2,5 и 3 м. некоторые производители выпускают промежуточные размеры — 1,5, 2,7, 3,3 и 3,6 м. Чаще всего для облицовки стен подойдут листы длиной 2,5 м. Если же длина потолков выше, то трехметровые листы покупать не стоит. От них останется много обрезков, да и заносить их в квартиру гораздо сложнее. Лучше приобрести некоторое количество плит сверх нормы и делать стыки либо оформить индивидуальный заказ по размеру ваших стен.

Стандартная ширина гипсокартонных листов – 1,2 м, из-за этого и стойки каркаса для отделки имеют тоже стандартный шаг 0,4 или 0,6 м. В последнее время производители стали делать узкие листы, ширина которых всего 60 см, а длина 1,5 или 2 м. Удобство в том, что привести их можно на легковой машине, а монтировать в одиночку. Однако это актуально для маленьких площадей. При серьезном ремонте получится слишком много швов, которые еще нужно заделать. Есть некоторые виды гибкого гипсокартона, которые имеют ширину 90 см.

Очень существенным параметром является толщина листов. От нее зависит вес всей конструкции. В стандарте толщина ГКЛ — 6, 9, 12,5 мм. Иногда можно встретить 6,5 и 9,5 мм. Листы усиленные и огнестойкие намного толще 15, 18, 25 мм. Арочные ГКЛ – 6 мм. Это самые легкие листы, но если вам не требуется делать арки с малым радиусом, то лучше приобрести более толстые изделия. Они дешевле, а изогнуться тоже смогут. Облегченные потолочные листы имеют толщину 9 мм. Их нельзя применять для стен, так как они не обладают достаточной прочностью. Однако некоторые специалисты советуют и на потолок делать листы толщиной 12,5 мм, если позволяет каркас.

Цены на гипсокартон

Хотя в целом, стоимость этого материала невысока, нужно понимать, что это справедливо только для базового гипсокартона. По этой причине он и применяется в подавляющем большинстве случаев. Огнезащитный и влагостойкий гипсокартон стоят несколько дороже, но в тоже время при отделке квартиры его и не нужно много. Самым дорогим является гибкий арочный гипсокартон. Это и неудивительно, ведь в нем имеется дополнительный армирующий слой. Стоимость специфических изделий специального назначения может быть в разы выше обычной в зависимости от степени защиты листов. Как бы там ни было, на сегодняшний день гипсокартонные листы являются самым доступным отделочным материалом. Только при расчетах затрат на ремонт нужно брать во внимание и затраты на устройство каркаса.

Как правильно выбирать гипсокартон

При походе в строительный магазин с целью приобретения гипсокартона, торопится не стоит. Надо с большой внимательностью обратить свой взор на изделия с целью определения их качества. Известные бренды вряд ли будут поставлять в продажу некачественный товар, но даже они не застрахованы от брака. Кроме того, прежде чем листам попасть в штабель на складе, они проедут долгий путь от изготовителя. Их несколько раз перегрузят. Возможно они полежат в сыром складе или на открытом месте. Человеческий фактор и безответственность грузчиков тоже нельзя сбрасывать со счетов. Они могут повредить сердечник, сделав вмятины, а могут порвать картон. По этим причинам, при покупке стройматериала нужно:

• Приобретать его в крупном строительном магазине.
• Проверять условия хранения на складе. Почувствовав излишнюю влагу, уходите из этого магазина.
• Следить за грузчиками, чтобы при погрузочно-разгрузочных работах делали все аккуратно.
• Проверять каждый лист на наличие царапин, вмятин, сколов и других повреждений.

Признаки повреждений ГКЛ следующие: помяты углы и сам лист, отстает бумага с появлением волн, на коротких гранях осыпается сердцевина, имеется видимое искривление панели, Тонкая громка загибается, Край плиты обрезан криво – признак заводского брака.

При проведении отделочных работ можно смело использовать гипсокартон, но только приобретайте его правильно. Это однозначно поможет вам избежать ненужных неприятностей.

Гипсокартон – это популярный и практичный материал для выравнивания потолков, стен, устройства внутренних перегородок. Листы обладают уникальным комплексом технических и эксплуатационных характеристик, а также доступной ценой. Недорого купить гипсокартон известных марок можно в интернет-магазине РДС Строй.

Гипсокартон классифицируется по международным стандартам, основные его виды маркируются цветом.

• Обычный гипсокартон ГКЛ . Листы не содержат модифицирующих добавок и могут использоваться в помещениях с уровнем влажности не выше 70 %. Гипсокартон применяют для монтажа подвесных потолков, устройства межкомнатных перегородок, выравнивания поверхностей. Цвет листов – серый.
• Влагостойкий гипсокартон ГКЛВ . Материал содержит фунгицидные и гидрофобизирующие добавки, поэтому может применяться в помещениях с повышенным уровнем влажности: ванных комнатах, кухнях, санузлах. Гипсокартон марки ГКЛВ имеет зеленый цвет, используется для обшивки стен и оконных откосов.
• Огнестойкий гипсокартон ГКЛО . В процессе производства в массу вводят армирующую добавку, как правило, стекловолокно. Дополнительный компонент придает листам огнестойкость, снижает риск возгорания при действии экстремально высоких температур. Гипсокартон окрашивается в красный цвет и применяется в отделке общественных помещений, зданий с повышенными требованиями к пожарной безопасности.
• Огне-влагостойкий гипсокартон ГКЛВО . Влагостойкие листы с повышенной сопротивляемостью огню относятся к материалам специального назначения и выпускаются не всеми производителями. В частности, такой гипсокартон есть в ассортименте Knauf.

Где купить гипсокартон

Интернет-магазин РДС Строй предлагает купить гипсокартон следующих брендов в Москве:

• Гипсокартон Волма . Продукция Волгоградского гипсового завода пользуется высоким спросом не только в России, но и странах СНГ. Качество гипсокартона сопоставимо с европейскими аналогами.
• Гипсокартон Knauf . Международный концерн не нуждается в представлении – бренд уже стал синонимом качества и надежности в сфере строительных материалов.
• Гипсокартон Gyproc . Бренд принадлежит группе «Сен-Гобен» и представляет на рынке инновационные стройматериалы на основе гипса. Продукция соответствует международным и российским стандартам качества.

Если вам необходима консультация специалиста, позвоните нам или оставьте заявку на обратный звонок на сайте. В рабочее время мы будем рады проконсультировать вас по вопросам стоимости, доставки и самовывоза гипсокартона.

Гипсокартон Gyproc (Гипрок) – это листовой строительный материал, состоящий из картона и наполнителя из гипсового теста с присадками. Используется для устройства обшивок, перегородок, потолков в зданиях с сухим и нормальным влажностным режимом. Листы ГКЛ Gyproc соответствуют требованиям европейских директив в области качества и экологической безопасности.

Ассортимент гипсокартона Gyproc

• Стандартные листы ГКЛ, ГКЛВ, ГКЛО, ГКЛВО . В линейке выпускается также усиленный гипсокартон с более прочным внутренним слоем, армированным стойким стекловолокном.
• Эластичные листы Glasroc F Рифлекс . Плиты имеют гладкую твердую поверхность, а их сердечник армирован нетканым стеклополотном. Эластичный гипсокартон используется для отделки дымоходов, трубопроводов, других криволинейных поверхностей и в качестве реставрационного материала.
• Листы повышенной прочности . Для их изготовления используется строительный гипс марки не ниже Г-4 с добавлением целлюлозного волокна и технологических модификаторов. Листы ГКЛ Gyproc обладают повышенной прочностью на сжатие и изгиб, что позволяет использовать их в качестве укрепляющих стеновых облицовок в каркасно-панельном домостроении.

Характеристики гипсокартона Gyproc

Толщина гипсокартона варьируется от 6 до 30 мм. Длина от 2000 до 3000 мм. По видам гипсокартон Гипрок делится на: универсальный, обычный, влагостойкий, огнестойкий и арочный. Листы ГКЛ Gyproc имеют утонченные и прямые кромки, которые существенно упрощают монтаж и делают стыки более незаметными.

Монтаж гипсокартона Гипрок

1. Для начала нужно подготовить поверхность.
2. Потом нужно определить самые низкие углы (отметить их линиями).
3. После данного этапа можно устанавливать направляющие профили по периметру помещения.
4. Потом происходит установка стоечных или потолочных профилей.
5. И в самом конце нарезка гипсокартона и обшивка каркаса при помощи саморезов.

C-GKVL — B738 — Boeing 737-8FN — Sunwing Airlines

Удалить рекламу

Удалить рекламу

Полеты

• 25 апреля

  WG689

  ПРИЗЕМЛЕН 13ч 17м НАЗАД

  21:16CDT

  Варадеро ( VRA)

  01:06EDT

  Монреаль (YUL)

• 25 апр. 0020 16:21EDT

  Монреаль (YUL)

  20:30CDT

  Варадеро (VRA)

• 25 апреля

  WG605

  ПРИЗЕМЛЕНИЕ 23ч 6м НАЗАД

  11:10CDT

  Кайо-Коко (CCC)

  15:17EDT

  Монреаль (YUL)

• 25 апреля

  WG604

  ПРИЗЕМЛЕН 1d 4h AGO

  05:50EDT

  Монреаль (YUL)

  10:16CDT

  Кайо-Коко (CCC)

• 24 апреля 9000 3

  WG607

  ПРИЗЕМЛЕН 1д 17ч НАЗАД

  17:20CDT

  Кайо-Коко (КЧК)

  20:59 EDT

  Монреаль (YUL)

• 24 апреля

  WG646

  ПРИЗЕМЛЕН 1д 23ч НАЗАД

  10:30EDT

  Монреаль (YUL)

  14:39CDT

  Ольгин (HOG)

• 23 апреля

  WG9646

  ПРИЗЕМЛЕН 2 дня 17 часов назад

  20:33 EDT

  Монреаль (YUL)

• 9000 2 23 апр

  WG641

  ПРИЗЕМЛИЛСЯ 2д 20ч НАЗАД

  14:03CDT

  Ольгин (HOG)

  17:53 EDT

  Торонто, ON (YYZ)

• 23 апреля

  WG640

  ПРИЗЕМЛЕН 3д 2ч НАЗАД

  0 7:52EDT

  Торонто, ON (YYZ)

  11:49CDT

  Ольгин ( HOG)

• 22 апреля

  WG643

  ПРИЗЕМЛЕН 3д 7ч НАЗАД

  02:32CDT

  Ольгин (HOG)

  9002 0 06:40EDT

  Торонто, ON (YYZ)

• 22 апреля

  WG9643

  ПРИЗЕМЛЕН 3д 12ч НАЗАД

  21:55EDT

  Монреаль (YUL)

  01:55CDT

  Ольгин (HOG)

• 21 апреля

  WG6 45

  ПРИЗЕМЛЕН 4д 13ч НАЗАД

  20:36CDT

  Ольгин (HOG)

  00:44EDT

  Монреаль (YUL)

• 21 апреля

  WG644

  ПРИЗЕМЛЕН 4д 18ч НАЗАД

  15:53EDT 900 03

  Монреаль (YUL)

  19:52CDT

  Ольгин (HOG)

• 20 апреля

  WG765

  ПРИЗЕМЛЕН 5д 19ч НАЗАД

  14:26AST

  Сен-Мартен (SXM)

  19:14EDT

  Монреаль (YUL)

  9002 4

• 20 апреля

  WG764

  ПРИЗЕМЛЕН 6д 1ч НАЗАД

  07: 44EDT

  Монреаль (YUL)

  12:28AST

  Сен-Мартен (SXM)

90 275 03ч49м 90 275

21:55 EDT

Дата	Рейс 902 50	Пункт отправления	STD	ATD	Пункт назначения	ПК	Задержка	Статус	Продолжительность	Повтор
25 апреля 2023	WG68 9	Варадеро (VRA/MUVR)	21:10 CDT	21:16 CDT	Монреаль (YUL/CYUL)	00:40 EDT		Приземлился 01:06 EDT Время прибытия самолета к выходу на посадку, полученное из информации компании/аэропорта	03х50м
2023 25 апреля	WG688	Монреаль (YUL/CYUL)	15:55 EDT	16:21 EDT	Варадеро (VRA/MUVR)	19:55 CDT		Приземлился 20:30 CDT Время прибытия самолета к выходу на посадку, полученное из информации компании/аэропорта	04:09
2023 25 апреля	WG605	Кайо-Коко (CCC/MUCC)	11:05 CDT	11:10 CDT	Монреаль 9 0282 (YUL/CYUL)	14:45 EDT		Приземлился 15:17 EDT Время прибытия воздушного судна к выходу на посадку, полученное из информации компании/аэропорта	Монреаль (YUL/CYUL)	06:00 EDT	05:50 EDT	Cayo Coco (CCC/MUCC)	09:55 CDT 902 76		Приземлился 10:16 CDT Время прибытия самолета к выходу на посадку, полученное от компании /информация об аэропорте	04:36 м
2023 24 апреля	WG607	Кайо-Коко 9 0282 (CCC/MUCC)	16:05 CDT	17:20 CDT	Montréal (YUL/CYUL)	19:45 EDT		Приземлился 20:59 EDT Время прибытия самолета к выходу на посадку, полученное из информации компании/аэропорта
2023 24 апр	WG646	Монреаль (YUL/CYUL)	09:05 EDT	10:30 EDT	Ольгин (HOG/MUHG)	13:05 CDT		Приземлился в 14:39 CDT Время прибытия самолета к выходу на посадку, полученное из информации компании/аэропорта 3	WG9646	Впервые замечен рядом с Торонто, Онтарио, Канада			Монреаль (YUL/CYUL)			Приземлился в 20:33 по восточному поясному времени Время посадки по данным ADS-B/радара	902 75
2023 23 апр	WG641	Ольгин (HOG/MUHG)	13:20 CDT	14:03 CDT	Торонто, ON (YYZ/CYYZ)	17:10 EDT		Приземлился 17:53 EDT Время прибытия самолета к выходу на посадку, полученное из информации компании/аэропорта 23	WG640	Торонто, ON (YYZ/CYYZ)	07:55 EDT	07:52 EDT	Ольгин (HOG/MUHG)	11:45 CDT		Приземлился 11:49 CDT Получено время прибытия самолета к выходу на посадку из информации компании/аэропорта	03h57m
2023 22 апреля	WG643	Ольгин (HOG/MUHG)	23:25 CDT	02:32 CDT	Торонто, ON (YYZ/CYYZ)	01:59 EDT		Приземлился 06:40 EDT Время прибытия самолета к выходу на посадку согласно информации компании/аэропорта 9 0003	04ч08м
2023 22 апреля	WG9643	Монреаль (YUL/CYUL)	21:00 EDT	Ольгин (HOG/MUHG)			Приземлился в 01:55 CDT Время посадки, полученное из информации компании/аэропорта 0020 WG645	Ольгин (HOG/MUHG)	21:00 CDT	20:36 CDT	Монреаль (YUL/CYUL)	00:55 EDT	90 275 Приземлился 00:44 EDT Время прибытия воздушного судна к выходу на посадку, полученное из информации компании/аэропорта 9( YUL/CYUL)	15:50 EDT	15:53 ​​EDT	Ольгин (HOG /MUHG)	20:00 CDT		Приземлился 19:52 CDT Время прибытия самолета к выходу на посадку, полученное из информации компании/аэропорта	03:59
2023 20 апреля	WG765	Сен-Мартен (SXM/TNCM)	15:15 AST	14:26 AST 90 003	Монреаль (YUL/CYUL)	19:00 EDT		Приземлился 19:14 EDT Время прибытия самолета к выходу на посадку, полученное из информации компании/аэропорта 76	WG764	Монреаль (YUL/CYUL) 91 2:45 AST		Приземлился 12:28 AST Время прибытия самолета к выходу на посадку получено из информации компании/аэропорта	04ч54м

История полетов для C-GKVL доступна за период 7 дней под нашим 908 18 Базовая подписка . Подробнее здесь.
Доступны для покупки дополнительные полетные данные. Пожалуйста, проверьте наш API по запросу.

Диагностика болезней растений риса с использованием методов машинного обучения: всесторонний обзор

1 Введение

Рис стал чрезвычайно важной продовольственной культурой для общества, особенно для тех, кто живет в Азии, где рис является основным продуктом питания для Шри ланкийцы. Согласно опросам, около 3 миллиардов человек ежедневно зависят от риса. Выращивание риса имеет давние корни в восточных цивилизациях. Как азиатская страна, Шри-Ланка имеет свои собственные древние сорта риса, включая Мави, Пачча перумал, Сувадал, Курулу туда, Масуран, Кахавану, Калу хинати [1]. В Шри-Ланке процесс выращивания риса осуществляется без учета местоположения, а производство риса продолжается при различных погодных условиях, от самых влажных до самых засушливых районов тропической страны, такой как Шри-Ланка. Из-за текущего состояния проблем, связанных с болезнями, существует несколько болезней, которые оказывают непосредственное влияние на производство риса в стране. Согласно прошлым исследованиям, заболевания, связанные с грибками, вирусами и бактериями, в первую очередь вызвали это сокращение годового производства риса. Около 37% годового производства риса, как правило, снижается из-за этих болезней рисовых растений [1]. Тем не менее, есть значительное количество людей, использующих выращивание риса в качестве жизненной стратегии, как и в прошлом, поэтому большинство этих людей имеют правильное представление о выращивании риса, и, возможно, их не нужно было учить, как идентифицировать эти болезни. Однако текущий сценарий немного отличается; люди из более молодого поколения менее осведомлены о таких расстройствах, поэтому правительство предоставляет инструкторам по сельскому хозяйству технические знания по этим проблемам. Иногда это может быть сложной задачей, так как болезней так много, что даже инструкторы не могут определить конкретную болезнь, не посещая поля. При рассмотрении всех этих вещей вы можете понять, почему мы должны найти какой-то эффективный метод для решения этой проблемы.

Фермеры могут использовать достижения в области технологий для диагностики болезней риса, что станет очень эффективным решением этих проблем. В настоящее время проводится множество исследований по использованию технологий глубокого обучения для диагностики таких расстройств. В нескольких исследованиях использовались концепции и подходы глубокого обучения, в то время как в других были разработаны собственные методы решения этой проблемы. В этом исследовании обсуждается, как модели глубокого обучения могут использоваться в качестве методов обнаружения болезней перед посадкой. Целью проведения данного исследования является изучение различных методологий путем оценки достоинств и недостатков этих исследований и их анализа. Было проведено множество исследований по выявлению болезней других растений, таких как томаты и персики, но исследований по диагностике болезней растений риса было проведено мало. Однако можно показать, что метод, используемый для диагностики болезней этих важнейших растений, одинаков. Насколько известно автору, они выявили различные болезни листьев риса, некоторые из которых уже широко распространены в некоторых других странах. Но некоторые из этих болезней характерны только для Шри-Ланки: «Пеки рис», «Пятнистость зерна», «Коричневая пятнистость», «Ожог листьев», «Узелок корня», «Узкая коричневая пятнистость листьев», «Бактериальный ожог», «Ложная пятнистость». головня», «влагалищная гниль», «бактериальная пятнистость листьев», «пирикуляриоз риса», «влагалищная пятнистость риса» [1] — некоторые распространенные виды болезней растений риса (см. табл. 1).

Авторы уже подготовили публикацию под названием «Диагностика и борьба с болезнями растений с использованием сверточных нейронных сетей» [2], и в этом исследовании основное внимание уделялось обзору соответствующих исследований в литературе, которые были проведены в отношении обнаружения и борьбы с распространенными болезнями растений. В ходе расширенного исследования авторы заметили, что, несмотря на то, что было проведено множество исследований, посвященных диагностике болезней обычных растений, таких как помидоры, перец, картофель и т. д., было проведено очень мало исследований, посвященных диагностике болезней растений риса и борьбе с ними. . Из этого исследования авторы рассмотрели ряд исследований, которые были проведены в отношении диагностики болезней риса и борьбы с ними, чтобы определить существующие более эффективные технологии и модели в диагностике болезней риса с целью внедрения лучшей модели для обнаружения болезней растений риса в качестве дальнейшая работа. Резюме результатов было включено в Таблицу 2, и они далее описаны в разделе обсуждения. В Таблице 3 будут подробно отражены достоинства и недостатки этих рецензируемых документов.

Что касается структуры рукописи, то в этом разделе представлено краткое введение в исследование, проведенное авторами. В следующем разделе обсуждались технологии глубокого обучения, которые использовались в исследованиях, проведенных в литературе. Третий и четвертый разделы кратко описывают и сравнивают результаты проведенного исследования. В разделе обсуждения проводится дальнейший анализ и обсуждение результатов. В последнем разделе делается вывод о наиболее подходящих технологиях и моделях, которые подойдут для создания более точной и точной модели диагностики болезней растений риса.

Таблица 1 Типы болезней риса. Источник : [1]

Полноразмерная таблица

2 Глубокое обучение для обнаружения болезней растений риса

Глубокое обучение было создано как помощь нейронам действовать или думать как человек. DL был создан с использованием дизайна мультинейронной сети с многочисленными слоями свертки для прогнозирования необходимых результатов. DL включает в себя несколько сетевых архитектур, начиная от самых простых и заканчивая более сложными структурами. Глубокое обучение возникло как подкласс машинного обучения (МО) в начале 19 века.40-х годов, параллельно с изобретением «пороговой логики». Он использовался для создания компьютерных симуляций, которые очень напоминали биологические пути человека. На рисунке 1 показан общий поток методов обработки изображений, используемых для обнаружения болезней растений риса с помощью современных исследований.

Рис. 1

Конвейер обработки изображений. Источник : [3]

Полноразмерное изображение

2.1 CNN для обработки изображений

Сверточные нейронные сети широко признаны уникальным и необходимым ядром глубокого обучения благодаря их превосходным возможностям извлечения признаков. Сверточные автоэнкодеры и CNN являются двумя основными методологиями глубокого обучения, которые использовались в различных приложениях компьютерных наук благодаря их успеху в обработке данных изображений. Операции свертки используются этими двумя основными технологиями для извлечения пространственной и временной информации из данных изображения. Как показано на рис. 2, в CNN есть общие уровни, которые известны как входной слой, сверточный слой, слой пула и т. д. Входной слой можно рассматривать как вход всей CNN в процессе распознавания изображений, и он обычно отражает пиксельную матрицу изображения. Напротив, сверточный слой используется для извлечения характеристик изображения. Обычно слой, известный как объединение, используется для минимизации размера карт объектов. В результате уменьшается количество параметров для изучения, а также объем вычислительной мощности, выполняемой в сети. Принимая во внимание, что все входы из одной фазы связаны с каждой единицей активации на нижнем уровне с помощью полностью связанных слоев. Функция активации включена в слой Softmax моделей NN, которые предсказывают полиномиальное распределение вероятностей. Он может содержать несколько слоев объединения и активации внутри скрытых слоев сверточных нейронных сетей, а также существует множество слоев активации и объединения. Полносвязные уровни — это конечные слои сети.

Рис. 2

Базовая схема для CNN. Источник : [4]

Изображение полного размера

2.2 Нейронная сеть прямого распространения (FFNN)

Рис. 3

Сеть прямого распространения. Источник : [5]

Изображение в натуральную величину входные или выходные слои, то эти нейронные сети с прямой связью чрезвычайно важны, и они часто используются в непараметрическом анализе данных. R, N и S являются входными данными, нейронами в скрытом слое и соответственно генерируют числа. Входной вектор сети обозначается через x. Матрицы входных и скрытых значений обозначаются iw и hw соответственно. ho — вектор вывода скрытого слоя, а y — вектор вывода сети. Векторы смещения выходного нейрона обозначаются соответственно hb и ob.

2.3 Однослойное восприятие (SLP)

Рис. 4

Однослойное восприятие. Источник : [6]

Изображение полного размера

Однослойный персептрон, как показано на рис. 4, представляет собой модель, которая преобразует линейную функцию в нелинейную с помощью функции активации. Согласно одноуровневому восприятию, векторы могут быть отнесены к одному из двух классов.

2.4 Многослойное восприятие (MLP)

Рис. 5

Многослойное восприятие. Источник : [7]

Полноразмерное изображение

Это вид восприятия в обычной сети, который содержит только один скрытый слой, как показано на рис.  5. Многослойное восприятие – это вид восприятия с несколькими слоями, которые состоит из выходного, скрытого и входного слоев. Входной слой ИНС также называется начальным пассивным уровнем ИНС, действует как канал приема данных. Скрытый уровень во втором уровне этого MLP увеличивает возможности сети и позволяет моделировать более сложные проблемы. Последний уровень называется выходным уровнем и отвечает за генерацию выходных сигналов сети.

2.5 Самоорганизующаяся карта Хонена (SOM)

Рис. 6

SOM. Источник : [8]

Полноразмерное изображение

SOM, показанное на рис. 6, можно определить как неконтролируемую обучающуюся сеть, конструкция которой по существу основана на сети с прямой связью, которая имеет два уровня. , они известны как слой Кохонена и входной слой. Нейроны сети самоорганизующейся карты организованы в виде сетки, она может быть прямоугольной или шестиугольной. Входной слой связан со слоем Кохонена. Карты обычно создаются во входном пространстве сети.

2.6 Сеть радиальной функции (RBFN)

Рис. 7

Сеть RBF. Источник : [8]

Изображение полного размера

Сеть RBF, показанная на рис. 7, состоит из трех слоев, известных как входной и выходной слои, скрытый слой нейронов RBF. При моделировании данных скрытый слой этой сети может быть представлен как решающий. На рис. 7 x, y(x), ci и M обозначают ввод, вывод, центр, ширину и количество базисных функций с центром в ci соответственно, а wi определяет веса.

2.7 Вероятностная нейронная сеть (ВНС)

Рис. 8

Схема вероятностной нейронной сети. Источник : [9]

Полноразмерное изображение

Обычная сеть прямой связи — это CNN, которая содержит входные, выходные и скрытые слои и называется вероятностной нейронной сетью. Скрытый слой, также известный как слой узора. Примерную сетевую диаграмму можно визуализировать, как показано на рис. 8. В этой PNN используется байесовский классификатор. PNN включает непараметрический метод оценки для получения многовариантной оценки вероятности и плотности. В настоящее время PNN является лучшей нейронной сетью для решения задач классификации. Согласно диаграмме выходной слой имеет M классов, и каждый класс m включает в себя N m скрытых нейронов паттерна в слое паттерна, а в слое суммирования имеется только один G m нейронов суммирования. Учебные шаблоны импортируются в слой шаблонов и разделяются на M групп по одному для каждого класса.

3 Результаты исследований

В этом разделе сравниваются и противопоставляются предыдущие рассмотренные исследования. Всесторонний анализ по выбранным параметрам оценивается в таблице 2, а достоинства и недостатки этих проанализированных исследований и методов обсуждаются в таблице 3. процедуры обнаружения болезней растений, известные как выделение признаков, классификация и сегментация. Среди этих процедур для сегментации изображений обычно используется метод сегментации k-средних. Метод GLCM используется для извлечения признаков, а стратегия категоризации используется для прогнозирования названий болезней, которые являются классическими методологиями машинного обучения. Когда дело доходит до обнаружения болезней растений риса, были обнаружены некоторые передовые подходы к машинному обучению, такие как RasNet, DensNet, MobileNet, VGG16 и т. д. В этом разделе основное внимание уделяется обсуждению технологий, которые использовались в литературе, путем сопоставления каждой из них, следуя таблице 2. даст краткое представление об этих передовых технологиях машинного обучения, используемых в каждом исследовании.

Таблица 2 Сравнение предыдущих исследований

Полная таблица

Таблица 3 Сравнение недостатков предыдущих исследований

Полная таблица

4 Сравнение используемых наборов данных

ML сильно зависит от наборов данных. Это наиболее важная функция, которая позволяет проводить алгоритмическое обучение и объясняет, почему машинное обучение стало популярным в последние годы. Согласно многим исследованиям, размер набора данных будет напрямую влиять на точность разрабатываемых моделей. Хотя данные могут принимать различные формы, модели машинного обучения полагаются на базовые типы данных; Категориальные данные, числовые данные, текстовые данные и данные временных рядов. Когда вы ищете наборы данных о болезнях растений риса, вы можете обнаружить, что в литературе недостаточно наборов данных, поэтому исследователи потратили больше времени на сбор необходимых наборов данных для построения своих моделей. Некоторые из них использовали существующие наборы данных, а некоторые используют свои собственные наборы данных.

4.1 Недавно собранные наборы данных

Исследователи, которые использовали свои собственные наборы данных для обучения и тестирования своих моделей, использовали такие устройства, как мобильные телефоны и камеры, для сбора этих изображений. В исследованиях [9, 10] они использовали такие методы для сбора своих наборов данных (см. Таблицу 2). В исследовании, проведенном Ruoling et al. [10] он использовал набор данных, содержащий изображения, сделанные мобильным телефоном с высоким разрешением. Согласно исследованию, с помощью этого мобильного устройства он смог собрать около 33 026 изображений, связанных с шестью типами болезней риса, в течение двух лет [10]. В исследовании [12], проведенном Anandhan et al. они использовали набор данных из 1500 рисовых листьев. Изображения, собранные с помощью камеры Sony и мобильного устройства под названием Vivo V9.[12]. Собирая изображения для набора данных самостоятельно, исследователи могут повысить точность своего выполнения, но проблема заключается в том, что, согласно рассмотренным выше исследованиям, сбор данных в набор данных и создание собственного набора данных не такой уж простой процесс, он требует много времени. время. Но они не хотят ограничивать свою разработку только доступным набором данных, они могут расширить модель, если у них будет возможность собрать больше истин или больше классов данных.

4.2 Существующие наборы данных

Некоторые исследователи использовали существующие наборы данных для обучения и тестирования своих моделей. В исследованиях [12,13,14,15] они использовали такие методы для сбора своих наборов данных (см. Таблицу 2). В некоторых исследованиях они использовали модифицированные наборы данных, созданные путем слияния двух или более существующих наборов данных. Например, в исследовании [14], проведенном Surya Pratap et al. они использовали комбинацию двух разных наборов данных, содержащих 2092 и 120 изображений болезней растений риса [14]. Kaggle — очень важный веб-ресурс, содержащий тысячи наборов данных, которые можно использовать для обучения моделей глубокого обучения. Kaggle позволяет пользователям искать и загружать наборы данных, анализировать и создавать модели в интернет-среде науки о данных, сотрудничать с другими учеными, включая специалистов по машинному обучению, и соревноваться в решении проблем науки о данных. Это сеть сообщества для привлечения, воспитания, обучения и стимулирования ученых-компьютерщиков со всего мира для решения задач в области науки о данных, глубокого обучения и продвинутой аналитики. У него около 536 000 активных пользователей из 194 страны и получает более 150 000 взносов каждый месяц. Йибинь и др. и Андрианто и др. использовал наборы данных Kaggle, которые содержат 5200 изображений [13] и 1600 изображений [15] соответственно для исследований [12, 14], хотя эти наборы данных упрощают процесс поиска наборов данных исследований, поскольку использование одних и тех же наборов данных во многих исследованиях иногда на одних и тех же моделях может не дают инновационных результатов для исследовательского мира, некоторые исследования, такие как Yibin et al. [11] использовали некоторые другие общедоступные наборы данных, которые доступны в Интернете, для обучения и тестирования своих исследований. В этом исследовании они использовали в общей сложности около 2370 образцов листьев риса, хотя процесс сбора данных прост. Точность собранных данных может быть низкой, так как они взяты с ненадежных ресурсов. Таким образом, точность собранных наборов данных может напрямую влиять на точность модели.

5 Обсуждение

Многие методы машинного обучения были реализованы с целью распознавания и классификации различных болезней растений. Более того, по мере развития технологий машинного обучения и глубокого обучения эта область исследований, по-видимому, обладает значительным потенциалом для повышения точности. Чтобы распознать и охарактеризовать симптомы заболеваний растений риса, было изучено множество оригинальных и адаптированных структур глубокого обучения, а также множество методологий визуализации. В этом исследовании подробно описаны модели глубокого обучения, используемые для диагностики заболеваний растений риса. В исследовании рассматриваются обновленные и хорошо известные архитектуры глубокого обучения, а также методологии картирования визуализации для обнаружения болезней растений. Он делает предложения для будущих улучшений в обнаружении и визуализации.

Наблюдая за прошлыми исследованиями, несколько исследователей использовали гибридные модели для достижения своих целей. В исследовании «Автоматическая диагностика болезней риса с помощью глубокого обучения» [10], проведенном R. Deng et al. использовал гибридную модель, которая содержит три подмодели: ResNeSt 50, DenseNet 121 и SE ResNet-50. Здесь они создали приложение для Android. Он был создан с использованием методов глубокого обучения, и для приложения они использовали огромный набор данных, включающий около 33 026 фотографий болезней риса, известных как оболочка. Ансамблевая модель была протестирована с использованием нескольких коллекций фотографий, подтверждающих эффективность модели. Автор использовал набор характеристик для процедуры проверки, таких как точность припоминания, скорость обучения, точность распознавания болезни и точность точности. Они достигли 9Точность 1% для этой модели. В соответствии с этой реализацией ResNeSt 50 является очень точной моделью, которая достигла большей точности, модифицированная версия этой модели использовалась Krishnamoorthy et al. В исследовании «Прогнозирование болезней листьев риса с использованием глубоких нейронных сетей с трансфертным обучением» [13] они разработали модель глубокого обучения InceptionResNetV2. Это модель CNN, которая использует стратегию переноса обучения для обнаружения болезней на изображениях листьев риса. Параметры предлагаемой модели были настроены для работы по классификации, и она имеет превосходную точность 95,67 процента. Для диагностики болезней растений в некоторых исследованиях используются региональные нейронные сети свертки и более быстрые нейронные сети региональной свертки. Такого рода исследование было проведено доцентом Университета Галготиас по имени Анандхан. При анализе исследования [10] модели DL использовались для выявления ранних стадий пирикуляриоза риса, таких как пирикуляриоз, полосатость листьев, гниль влагалища и бурая пятнистость. Согласно результатам экспериментов, модель R-CNN является наиболее подходящей моделью для обнаружения или распознавания нескольких болезней риса, таких как пирикуляриоз-9.4,5%, бурая пятнистость-95% и пирикуляриоз-96%, с целью выявления различных болезней листьев, они разработали уникальный набор данных изображений, собранных с рисовых растений в местных деревнях. Предлагаемые модели глубокого обучения дают наилучшие результаты при использовании маски R-CNN и R-CNN. Эта стратегия поможет фермерам в здоровой и безопасной профилактике болезней растений риса.

Согласно предыдущим исследованиям, проведенным исследователями, модели VGG16 и VGG19 показали очень хорошие результаты с большей точностью при обучении, тестировании и проверке данных. Симонян и Зессерман предложили VGG19, представляет собой архитектуру с двумя различными вариантами уровней, один из 16 уровней известен как VGG16, а один из 19 уровней известен как VGG19. VGG заняла первое и второе место в треках локализации и классификации соответственно. Структура VGG19 дополняется тремя полностью связанными слоями и пятью блоками сверточных слоев. Сурья и др. провел исследование по выявлению болезней растений риса с помощью мобильного приложения в исследовании «Распознавание инфекций растений риса с использованием систем глубокой нейронной сети» [14], после успешного завершения испытания было обнаружено, что точность LeNet5, VGG- 19и MobileNet-V2 — 76,63%, 77,09% и 76,92% соответственно. По этим данным разработчик выбрал для разработки модель VGG19. Модель VGG16 использовал другой индонезийский исследователь по имени Андрианто, который провел свое исследование по внедрению «приложения для смартфонов для обнаружения болезней рисовых растений на основе глубокого обучения» [15]. система обнаружения болезней риса, состоящая из модели машинного обучения на удаленном сервере и мобильного приложения. Точность обучения системы обнаружения болезней листьев риса с использованием модели VGG16 составляет 100%, а точность теста — 60%. Автор этого исследования утверждает, что класс «Hispa» является наиболее точным по сравнению с другими классами, поскольку он содержит наибольшее количество данных из результатов теста. Это доказывает, что использование большого количества данных для целей обучения также повысит точность модели.

Ссылаясь на предыдущие обзорные документы, можно понять, что в них использовались различные типы технологий, от самых простых до сложных. Некоторые исследователи использовали существующие алгоритмы машинного обучения, в то время как некоторые использовали свои собственные методы и алгоритмы для распознавания изображений. И некоторые из используемых ими алгоритмов были упомянуты в приведенной выше таблице 2. Согласно статье «Прогнозирование болезней листьев риса с использованием глубоких нейронных сетей с трансферным обучением». [13], написанной Krishnamoorthy et al., CNN также является алгоритмом методов глубокого обучения, который был успешно применен для решения проблем компьютерного зрения, таких как классификация изображений, сегментация объектов и анализ изображений. По словам автора, CNN эффективен в обнаружении визуальных представлений. Это своего рода ИНС с прямой связью, состоящая из трех отдельных слоев: входного, выходного и скрытого. Трансферное обучение — это метод перепрофилирования ранее обученной CNN для новой задачи, и в этой статье автор обсудил мощный алгоритм. Согласно исследованию, это мощный алгоритм глубокого обучения, который был внедрен в мир сельского хозяйства для решения многих задач, таких как идентификация сорняков и семян, классификация болезней растений, сегментация корней и подсчет плодов.

Наблюдая за предыдущими исследованиями, некоторые исследователи использовали существующие модели глубокого обучения, в то время как некоторые разрабатывали свои собственные модели глубокого обучения. «Раздельная нейронная сеть, основанная на внимании, с байесовской оптимизацией» или, в краткосрочной перспективе, ADSNN-BO — это такая инновационная модель, которую представил Ибинь в своем исследовании «Обнаружение и классификация болезней риса с использованием нейронной сети, основанной на внимании, и байесовской оптимизации» [ 11], где предложили выявлять и диагностировать болезнь риса по фотографиям листьев риса. Автор представил модель ADSNN-BO, основанную на структуре MobileNet и усовершенствованном механизме расширенного внимания, для быстрой и точной диагностики заболеваний с помощью ИИ. Поскольку название содержит термин «мобильный», MobileNet действительно представляет собой архитектуру CNN, которая специализируется на категоризации мобильных версий и изображений. Глубинные свертки, которые фильтруют входные данные без создания новых функций, и точечные свертки. Подход байесовской оптимизации используется для оптимизации гиперпараметров модели. На основе общедоступного набора данных о болезнях риса с 4 группами проводятся перекрестно проверенные классификационные исследования. Экспериментальные результаты показывают, что эта модель ADSNN-BO, совместимая с мобильными устройствами, превосходит все предыдущие исследованные модели с точностью теста 94,65 процента. Автор заявил, что результаты этого исследования будут способствовать использованию искусственного интеллекта в сельском хозяйстве для быстрого обнаружения болезней растений и борьбы с ними. Чтобы улучшить производительность всех конструкций CNN, используются предварительно обученные веса ImageNet. В качестве следующего шага они намерены дополнительно изучить предложенную ими модель ADSNN-OB с использованием различных подходов к оптимизации и оптимизации гиперпараметров, чтобы повысить эффективность и сделать процедуру более успешной. Таким образом, в этом исследовании были изучены стандартные и индивидуальные структуры глубокого обучения, а также обычные подходы к картированию, которые используются для обнаружения болезней растений риса. Было проведено очень мало исследований по обнаружению болезней растений риса. Благодаря этому исследованию предлагается создать программное обеспечение, способное эффективно выявлять болезни растений риса. И основное внимание уделяется выявлению лучших технологий машинного обучения, которые использовались в прошлых исследованиях для обнаружения болезней растений риса. При обсуждении ограничений этого исследования основное внимание уделяется болезням, связанным с рисовыми растениями, а не всем болезням растений. В будущем его можно было бы расширить, чтобы обсудить больше болезней растений. Что касается будущих масштабов, это исследование было проведено с целью выявления лучших технологий машинного обучения, использованных в предыдущих исследованиях, для разработки новой ансамблевой модели, которая является более точной, чем существующие модели для выявления болезней растений риса. Было бы очень полезно увеличить годовое производство риса за счет эффективного выявления болезней растений риса.

6 Заключение

CNN считается наиболее успешным методом для любой задачи прогнозирования, включающей входные данные изображения. Это очень важно, так как требуется очень небольшая предварительная обработка. В этой работе рассматривается, как DL помогает в диагностике и категоризации болезней растений риса на основе прошлых исследований. Поскольку обнаружение изображений включает в себя множество этапов, таких как классификация, распознавание, сегментация и обнаружение, каждый из которых имеет свой собственный набор точности и эффективности. Конечная точность идентификации изображений должна определяться с учетом всех этих этапов. Исследователи использовали несколько эффективных моделей для обучения своих наборов данных в соответствии со своими выводами VGG16 и VGG19.Модели показали очень хорошие результаты с большей точностью в обучении, и они также используют такие модели, как mobileNet, LeNet5 и ResNet. Согласно прошлым исследованиям MobileNet-V2, LeNet5 и VGG-19 дали точность 76,92%, 76,63% и 77,09% соответственно.