20.500.12556/DKUM-94623 Klasifikacija krompirja s pomočjo globokih nevronskih mrež s podporo barvne in termovizijske analize magistrsko delo Classification of potatoes using deep neural networks with support of color and thermal imaging analysis V 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. This master's thesis addresses the classification of potatoes into three quality categories – rotten, feed and edible – using advanced deep neural networks. The model was developed in the Python programming language utilizing the TensorFlow framework. We compared the performance of three modern convolutional neural network architectures: EfficientNet, DenseNet and Xception, and selected the most suitable one for our dataset based on the results. DenseNet201 stood out as the most accurate and stable model, while DenseNet121 offered the best balance between accuracy and computational complexity. We also tested a thermal imaging camera to explore the possibility of detecting rot based on temperature differences in potatoes and described the limitations of this method. The aim of the research is to develop an intelligent, cost-effective system for automatic potato sorting that would increase agricultural productivity with minimal costs. globoko učenje konvolucijske nevronske mreže klasifikacija krompirja TensorFlow termovizijska analiza deep learning convolutional neural networks potato classification TensorFlow thermal imaging analysis true true false [T. Pec] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2025-08-22 21:18:19 2025-09-22 13:23:09 2025-12-06 03:14:29 0000-00-00 00:00:00 2025 0 Maribor 0 Maribor 1 spletni vir (1 datoteka PDF (XI, 93 str.)) 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.383.8:633.491(043.2) 260198659 MAG_Pec_Taja_2025.pdf MAG_Pec_Taja_2025.pdf 1 871950C7493D2D419D4D6DAD7B119530 38816219632fdfe704a73e84122e70df9a3beb019fff7f4326b465837cc21245 97e394b6-8179-11f0-adee-00155d000105 https://dk.um.si/Dokument.php?lang=slv&id=196120 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0