ПРОЄКТУВАННЯ ХМАРНОЇ АРХІТЕКТУРИ ТА МОБІЛЬНОГО ЗАСТОСУНКУ ДЛЯ СИСТЕМИ ІДЕНТИФІКАЦІЇ СІЛЬСЬКОГОСПОДАРСЬКИХ ШКІДНИКІВ

Анотація

У статті
розглянуто підходи до проєктування хмарно-орієнтованої системи ідентифікації
сільськогосподарських шкідників із використанням мобільного застосунку. Проведено аналіз
сучасних рішень у галузі мобільних і хмарних технологій та визначено переваги розподіленої
архітектури. Запропоновано модель системи, у якій обробка зображень виконується на сервері з
використанням алгоритму YOLO, а мобільний застосунок виступає клієнтським інтерфейсом.
Реалізація забезпечує ефективне використання ресурсів, масштабованість та можливість
централізованого оновлення моделей.
Ключові слова: хмарні обчислення, мобільний застосунок, комп’ютерний зір, машинне
навчання, ідентифікація шкідників, YOLO, розподілена архітектура, мікросервіси

Список використаної літератури
1. Форкун Ю., Мартинюк В., Яшина О. Метод розробки та проєктування архітектурної
складової програмного застосунку. Measuring and Computing Devices in Technological Processes.
– 2023. – №4.– С.87–93.– DOI: https://doi.org/10.31891/2219-9365-2023-76-11
2. Бешта В. С., Комаричев А.В., Філімончук Т. В., Баранєй Д. І. Модель мобільного
додатку, яка орієнтована на обробку даних. Системи управління, навігації та звʼязку. Збірник
наукових праць. – 2024. – Том 3, № 77. – С. 80–87. – DOI:
https://doi.org/10.26906/SUNZ.2024.3.080
3. Semerikov S. et al., Models and Technologies for Autoscaling Based on Machine Learning
for Microservices Architecture, Proceedings of the 8th International Conference on Computational
Linguistics and Intelligent Systems. Volume I: Machine Learning Workshop, – 2024. –P. 316-330. –
Електронний ресурс. – Режим доступу:: https://ceur-ws.org/Vol-3664/paper22.pdf
4. Mamun, S. B., Payel, I. J., Ahad, M. T., Atkins, A. S., Song, B., Li, Y. Grape Guard: A YOLObased mobile application for detecting grape leaf diseases, Journal of Electronic Science and
Technology. –2025.– Vol. 23. – Issue 1. 100300. – DOI: https://doi.org/10.1016/j.jnlest.2025.100300.
5. Zheng, H., Liu, C., Zhong, L., Yin, X., Zhang, H., Zhu, X., Yang, G., Zhu, Y. An androidsmartphone application for rice panicle detection and rice growth stage recognition using a
lightweight YOLO network. – Frontiers in Plant Science. – 2025. – Vol. 16. – Article 1561632. –
DOI: https://doi.org/10.3389/fpls.2025.1561632
6. Yulita I.N., Rambe M.F.R., Sholahuddin A., Prabuwono A.S. A Convolutional Neural
Network Algorithm for Pest Detection Using GoogleNet. – AgriEngineering. – 2023. – Vol. 5, No. 4.
– P. 2366–2380. – DOI: https://doi.org/10.3390/agriengineering5040145
7. Saeed A.T., Schonfeld D. Cloud-Based ImageNet Object Recognition for Mobile Devices.
Proceedings of IMDC-SDSP 2020. – 2020. – DOI: http://dx.doi.org/10.4108/eai.28-6-2020.2297916
8. Karar M.E., Alsunaydi F., Albusaymi S., Alotaibi S. A new mobile application of agricultural
pests recognition using deep learning in cloud computing system. Alexandria Engineering Journal. –
2021. – Vol. 60, Is. 4. – P. 4067–4082. – DOI: https://doi.org/10.1016/j.aej.2021.03.009
9. Nugroho E.D., Verdiana M., Algifari M.H., Pramudita A.S., Adi S. Development of YOLOBased Mobile Application for Detection of Defect Types in Robusta Coffee Beans. Journal of Applied
Informatics and Computing. – 2025. – Vol. 9, No. 1. – P. 153–160. DOI:
https://doi.org/10.30871/jaic.v9i1.8886
10.Chen, J.-W., Lin, W.-J., Cheng, H.-J., Hung, C.-L., Lin, C.-Y., & Chen, S.-P. A SmartphoneBased Application for Scale Pest Detection Using Multiple-Object Detection Methods. Electronics.
– 2021. – 10(4). – P. 372. – DOI: https://doi.org/10.3390/electronics10040372
11.Wong M.O., Abubacker N.F. YOLO-Driven Lightweight Mobile Real-Time Pest Detection
and Web-Based Monitoring for Sustainable Agriculture. International Journal of Advanced Computer
Science and Applications. – 2024. – Vol. 15, No. 12. – 12 p. DOI:
https://dx.doi.org/10.14569/IJACSA.2024.0151267
12.Бердник, Ю. М., & Скотаренко, А. О. До проблеми розпізнавання об’єктів на пристроях
з обмеженими ресурсами. Проблеми програмування. – 2024. – 4 – С. 14-22. – DOI:
https://doi.org/10.15407/pp2024.04.014
13.Martinez-Alpiste, I., Golcarenarenji, G., Wang, Q., & Alcaraz-Calero, J. M. Smartphonebased real-time object recognition architecture for portable and constrained systems. Journal of RealTime Image Processing. – 2021. – Vol. 19. – P. 103–115 – DOI: https://doi.org/10.1007/s11554-021-
01164-1