<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=84362"><dc:title>Zaznava in lociranje malin z uporabo YOLO algoritma</dc:title><dc:creator>Kenda,	Urban	(Avtor)
	</dc:creator><dc:creator>Šafarič,	Riko	(Mentor)
	</dc:creator><dc:creator>Klančnik,	Simon	(Mentor)
	</dc:creator><dc:creator>Rakun,	Jurij	(Komentor)
	</dc:creator><dc:subject>malina</dc:subject><dc:subject>strojni vid</dc:subject><dc:subject>YOLO</dc:subject><dc:subject>nevronska mreža</dc:subject><dc:subject>CNN</dc:subject><dc:subject>oblak točk</dc:subject><dc:description>V magistrskem delu smo raziskali delovanje LiDAR senzorjev ter uporabo umetne inteligence v strojnem vidu, vključno z nevronskimi mrežami, konvolucijskimi nevronskimi mrežami (CNN) in algoritmi YOLOv3, v4 in v4-tiny. V praktičnem delu smo testirali vse tri algoritme in nato izbrali najuspešnejšega, YOLOv4, ter ga dodatno analizirali. Preverili smo hitrost algoritmov ter razvili algoritem, ki je na podlagi oblakov točk in kamere sposoben določiti lokacijo malin. Ugotovili smo, da je uporaba LiDAR senzorjev v kombinaciji z umetno inteligenco učinkovita pri zaznavanju in lociranju malin v 3D-prostoru. Najuspešnejši algoritem YOLOv4 je bil sposoben razvrstiti zrele in nezrele maline z natančnostjo 84,13 %. Naš razviti algoritem je omogočil določanje lokacije malin s kombinirano uporabo oblakov točk in kamere ter tako skoraj v polovici izmerjenih primerov določil lokacijo z napako, manjšo od 2 cm.</dc:description><dc:publisher>[U. Kenda]</dc:publisher><dc:date>2023</dc:date><dc:date>2023-05-29 13:35:34</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>84362</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
