Данная работа посвящена исследованию методов предварительной обработки и анализа снимков сетчатки для определения диабетической ретинопатии (ДР). Диабетическая ретинопатия – это распространенное заболевание глаз у пациентов с диабетом, и ранняя диагностика этого заболевания помогает предотвратить потерю зрения. В ходе исследования были использованы современные методы обработки и анализа изображений, включая архитектуру EfficientNetB0, построенную на основе глубинного обучения. Для предварительной обработки были применены методы аугментации изображений (поворот, масштабирование, обрезка, повышение контраста) и нормализация. В ходе использования архитектуры EfficientNetB0 было испытано два подхода: заморозка базовых слоев модели и дообучение верхних слоев (fine-tuning). Результаты были оценены по меткам. В первом подходе точность (precision) на тестовой выборке составила 65%, во втором – 75%. Точность на валидационной выборке в первом случае составила 63%, во втором – 71%. Метрика обнаружения (recall) на тестовой выборке в первом подходе показала 60%, во втором – 74%. В целом методы fine-tuning показали лучшие результаты. Использование данных методов позволяет повысить качество обработки изображений и классификации для эффективной диагностики диабетической ретинопатии. Новизна исследования заключается в применении высокоэффективной архитектуры EfficientNetB0 и сравнении различных подходов к дообучению модели. Полученные результаты могут способствовать улучшению качества автоматизированных систем диагностики ДР и повышению энергоэффективности моделей. Предложенные методы обладают высоким потенциалом для раннего выявления глазных заболеваний.