prikaz prve stranice dokumenta Raspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike
  Preuzmi
PDF 2.88 MB
završni rad
Raspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike
2020. urn:nbn:hr:200:425249
Radočaj, Petra
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za programske jezike i sustave

Citirajte ovaj rad

Radočaj, P. (2020). Raspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike (Završni rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:425249

Radočaj, Petra. "Raspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:425249

Radočaj, Petra. "Raspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:425249

Radočaj, P. (2020). 'Raspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike', Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 19.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:425249

Radočaj P. Raspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike [Završni rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2020 [pristupljeno 19.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:425249

P. Radočaj, "Raspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike", Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:425249

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:425249
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovRaspoznavanje bolesti lista biljke uporabom strojnog učenja na temelju slike
Naslov (engleski)Plant leaf disease recognition using image-based machine learning
AutorPetra Radočaj
MentorZdravko Krpić (mentor)
MentorBruno Zorić (sumentor)
Član povjerenstvaZdravko Krpić (predsjednik povjerenstva)
Član povjerenstvaDanijel Topić (član povjerenstva)
Član povjerenstvaEmmanuel Karlo Nyarko (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za programsko inženjerstvo)
(Katedra za programske jezike i sustave)
Osijek
Datum i država obrane2020-09-16, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
U teorijskom dijelu ovoga rada opisan je problem raspoznavanja bolesti lista biljke uz prikaz mogućnosti primjene postupaka dubokog strojnog učenja. Razvoj modela za klasifikaciju bolesti potaknuo je unaprjeđenje automatiziranih sustava za otkrivanje biljnih bolesti pomoću vidljivih simptoma na lišću dok je sam proces izdvajanja značajki ugrađen u algoritam. Znanje o ovom procesu značajno bi doprinijelo području znanosti pri razumijevanju dijagnostičkih postupaka i detekciji bolesti. U eksperimentalnom dijelu rada proveden je postupak klasifikacije bolesti lista biljke na prerađenom GooLeNet i VGGNet modelu te MobileNet, InceptionV3 i InceptionResNetV2 mrežnim arhitekturama. Sve konvolucijske neuronske mreže trenirane su i testirane na odabranom skupu podataka koji uključuje bolesne i zdrave jedinke kukuruza podijeljene u četiri klase. Najpreciznije rezultate omogućio je InceptionResNetV2 model s 98.9% točnosti na odabranom skupu podataka.
Sažetak (engleski)
The problem of recognizing plant leaf diseases with a review of the current possibilities by applying deep machine learning is described in the theoretical part of this thesis. The development of disease classification models has prompted improvements of automated plant disease detection systems using visible symptoms, while the feature extraction is built in the algorithms. Knowledge of this process has contributed to the field of science in understanding diagnostic procedures and disease detection. In the experimental part of the thesis, the procedure of leaf diseases classification with the modified GoogleNet and VGGNet model MobileNet, alongside InceptionV3 and InceptionResNetV2 network architectures was performed. All convolutional neural networks were trained and tested on selected set data that included diseased and healthy maize images divided into four classes. The most accurate results were achieved by the InceptionResNetV2 model with 98.9% accuracy on the selected data set.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:425249
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-11-17 11:39:53