| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Klasifikacija krompirja s pomočjo globokih nevronskih mrež s podporo barvne in termovizijske analize : magistrsko delo
Avtorji:ID Pec, Taja (Avtor)
ID Šafarič, Riko (Mentor) Več o mentorju... Novo okno
ID Klančnik, Simon (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf MAG_Pec_Taja_2025.pdf (8,18 MB)
MD5: 871950C7493D2D419D4D6DAD7B119530
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis: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.
Ključne besede:globoko učenje, konvolucijske nevronske mreže, klasifikacija krompirja, TensorFlow, termovizijska analiza
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[T. Pec]
Leto izida:2025
Št. strani:1 spletni vir (1 datoteka PDF (XI, 93 str.))
PID:20.500.12556/DKUM-94623 Novo okno
UDK:004.383.8:633.491(043.2)
COBISS.SI-ID:260198659 Novo okno
Datum objave v DKUM:22.09.2025
Število ogledov:146
Število prenosov:35
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:22.08.2025

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Classification of potatoes using deep neural networks with support of color and thermal imaging analysis
Opis: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.
Ključne besede:deep learning, convolutional neural networks, potato classification, TensorFlow, thermal imaging analysis


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici