У роботі досліджено моделі та методи визначення хвороб винограду із використанням сучасних методів штучного інтелекту. Проаналізовано відомі методології класифікації та розпізнавання за зображеннями хвороб винограду з використання нейронних мереж. Виділено низку проблем щодо покращення результатів розпізнавання.
Підвищення точності прогнозування засобами штучного інтелекту є важливим завданням в різних галузях промисловості, економіки, медицини. Ансамблеве навчання є одним із можливих варіантів досягнення цього. Зокрема, побудова стекінгових моделей на підставі різних методів машинного навчання, чи з використанням різних частин наявного набору даних демонструє високу точність прогнозу. Проте потребу правильного підбору членів ансамблю, їх оптимальних параметрів, тощо, зумовлює потребу великих часових витрат на підготовку та навчання таких моделей.