prikaz prve stranice dokumenta Model strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi
No public access
master's thesis
Model strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:023515
Kozjak, Fran
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Kozjak, F. (2023). Model strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:023515

Kozjak, Fran. "Model strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:023515

Kozjak, Fran. "Model strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:023515

Kozjak, F. (2023). 'Model strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 30 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:023515

Kozjak F. Model strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 November 30] Available at: https://urn.nsk.hr/urn:nbn:hr:168:023515

F. Kozjak, "Model strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:023515

Metadata
TitleModel strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi
Title (english)Machine learning model for early yield prediction in smart agriculture
AuthorFran Kozjak
MentorGordan Ježić (mentor)
Committee memberGordan Ježić (predsjednik povjerenstva)
Committee memberIvana Podnar Žarko (član povjerenstva)
Committee memberMario Kušek (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-04, Croatia
Abstract
Pametna poljoprivreda je sve više u fokusu agronomske zajednice i industrije zbog svoje sposobnosti poboljšanja učinkovitosti proizvodnje i smanjenja troškova. Jedan od ključnih čimbenika u postizanju ovih ciljeva je upotreba tehnologija poput strojnog učenja za predviđanje prinosa usjeva. Predviđanje prinosa je ključno za donošenje važnih odluka u poljoprivrednom sektoru, kao što su planiranje proizvodnje, upravljanje zalihama i tržišnim cijenama. U ovom radu predstavljeni su modeli strojnog učenja za rano predviđanje prinosa u pametnoj poljoprivredi te se određuju najprecizniji od njih. Cilj ovog istraživanja je pružiti efikasno rješenje za predviđanje prinosa usjeva na temelju korištenja tehnologije strojnog učenja.Rad opisuje načine rada modela, njihovu arhitekturu, kao i korake u pripremi podataka za treniranje modela. Ovaj rad pruža korisne smjernice za razvoj sličnih modela u budućnosti, kao i poboljšanje proizvodnje u poljoprivrednom sektoru.
Abstract (english)
Smart agriculture is increasingly the focus of the agronomic community and industry for its ability to improve production efficiency and reduce costs. One of the key factors in achieving these goals is the use of technologies such as machine learning to predict crop yields. Yield forecasting is essential for making important decisions in the agricultural sector, such as production planning, inventory management and market prices. In this paper, machine learning models for early yield prediction in smart agriculture are presented and the most accurate of them are determined. The goal of this research is to provide an efficient solution for predicting crop yields based on the use of machine learning technology. This paper describes the modes of operation of the models, their architecture, as well as the steps in the preparation of data for model training. This paper provides useful guidelines for the development of similar models in the future, as well as improving production in the agricultural sector.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:023515
Study programmeTitle: Computing
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 conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 09:23:00