Klasifikacija krompirja s pomočjo globokih nevronskih mrež s podporo barvne in termovizijske analizePec, Taja (Avtor) Šafarič, Riko (Mentor) Klančnik, Simon (Mentor) globoko učenjekonvolucijske nevronske mrežeklasifikacija krompirjaTensorFlowtermovizijska analizaV magistrskem delu obravnavamo klasifikacijo krompirja v tri kakovostne razrede – gnili, krmni in jedilni – z uporabo naprednih globokih nevronskih mrež. Model smo razvili v programskem jeziku Python z uporabo ogrodja TensorFlow. Primerjali smo učinkovitost treh sodobnih arhitektur konvolucijskih nevronskih mrež: EfficientNet, DenseNet in Xception, ter na podlagi rezultatov izbrali najbolj primerno za našo podatkovno bazo. DenseNet201 je izstopal kot najbolj natančen in stabilen model, DenseNet121 pa je ponujal najboljše ravnovesje med natančnostjo in računsko zahtevnostjo. Preizkusili smo tudi termovizijsko kamero za preučevanje možnosti zaznave gnilobe na podlagi temperaturnih razlik krompirja in opisali omejitve te metode. Cilj raziskave je razvoj inteligentnega, cenovno dostopnega sistema za avtomatsko sortiranje krompirja, ki bi povečal produktivnost kmetijske proizvodnje ob minimalnih stroških.[T. Pec]20252025-08-22 21:18:19Magistrsko delo/naloga94623UDK: 004.383.8:633.491(043.2)COBISS_ID: 260198659sl