prikaz prve stranice dokumenta Selektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži
Access restricted to students and staff of home institution
master's thesis
Selektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži
2020. urn:nbn:hr:190:556395
Trifunović, Nenad
University of Rijeka
Faculty of Engineering
Department of Computer Engineering
Section of Intelligent Computing Systems

Cite this document

Trifunović, N. (2020). Selektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:556395

Trifunović, Nenad. "Selektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži." Master's thesis, University of Rijeka, Faculty of Engineering, 2020. https://urn.nsk.hr/urn:nbn:hr:190:556395

Trifunović, Nenad. "Selektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži." Master's thesis, University of Rijeka, Faculty of Engineering, 2020. https://urn.nsk.hr/urn:nbn:hr:190:556395

Trifunović, N. (2020). 'Selektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 10 November 2024, https://urn.nsk.hr/urn:nbn:hr:190:556395

Trifunović N. Selektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2020 [cited 2024 November 10] Available at: https://urn.nsk.hr/urn:nbn:hr:190:556395

N. Trifunović, "Selektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:190:556395

Please login to the repository to save this object to your list.
Metadata
TitleSelektivno prskanje korova i usjeva temeljeno na konvolucijskoj neuronskoj mreži
Title (english)Selective spraying on crops and weeds based on convolutional neural network
AuthorNenad Trifunović
MentorKristijan Lenac (mentor)
Committee memberRenato Filjar (predsjednik povjerenstva)
Committee memberIvan Štajduhar (član povjerenstva)
Committee memberKristijan Lenac (član povjerenstva)
GranterUniversity of Rijeka
Faculty of Engineering
(Department of Computer Engineering)
(Section of Intelligent Computing Systems)
Rijeka
Defense date and country2020-09-25, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Standarna poljoprivredna prskalica tijekom procesa prskanja aplicira škropivo (herbicid,gnojivo,pesticid) neselektivno na cijelu površinu polja, te na taj način troši više sredstava nego što je potrebno. U ovom radu istražili smo rješenje selektivnog prskanja na temelju vegetacijskih indeksa te konvolucijske neuronske mreže za detekciju i klasifikaciju usjeva i korova na polju. Rješenje je implementirano na dvije platforme (PC i ugradbeni sustav Jetson TX1) te je istražena mogućnost primjene rješenja u realnom vremenu na prskalici. Rezultati rada prikazuju da je razvijeni objekt detektor dobar za selektivno prskanje na rednim kulturama (salate, kupusnjače) te su postignute brzine od 200ms po obradi što je za realne uvjete presporo. Dani su i prijedlozi daljnjeg razvoja te potencijalna rješenja za ubrzavanje procesa obrade slike.
Abstract (english)
Standard agricultural sprayers apply medium(herbicide, fertilizer, pesticide) to the entire field surface non selectivly during the spraying process, thus consuming more resources than necessary. In this paper, we investigated a solution of selective spraying based on vegetation indices and convolutional neural network for the detection and classification of crops and weeds in the field. The solution was implemented on two platforms (PC and Jetson TX1 installation system) and the possibility of applying real time spot spraying was investigated. The results showed that developed object detection algorithm is viable solution for selective spraying on row crops (lettuce, cabbage) and processing time of 200ms were achieved, which is too slow for real time spot spraying. Suggestions for further development and potential solutions to speed up the image processing are given in this thesis.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:556395
Study programmeTitle: Computer Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2021-08-26 13:42:38