prikaz prve stranice dokumenta Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje
No public access
master's thesis
Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. urn:nbn:hr:168:342211
Gracin, Renato
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Gracin, R. (2022). Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:342211

Gracin, Renato. "Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:342211

Gracin, Renato. "Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:342211

Gracin, R. (2022). 'Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 04 July 2024, https://urn.nsk.hr/urn:nbn:hr:168:342211

Gracin R. Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2022 [cited 2024 July 04] Available at: https://urn.nsk.hr/urn:nbn:hr:168:342211

R. Gracin, "Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:168:342211

Metadata
TitleIzvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje
Title (english)Implementation of a Machine Learning Method for Differentiation of Acoustic Emisssion Sources in Plant's Tissues on Low-power Embedded System
AuthorRenato Gracin
MentorDinko Oletić (mentor)
Committee memberDinko Oletić (predsjednik povjerenstva)
Committee memberDarko Vasić (član povjerenstva)
Committee memberDavorin Ambruš (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2022-07-07, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Unutar ksilema biljke tijekom stanja vodenog stresa formiraju se mjehurići zraka ili kavitacije. Pucanjem mjehurića emitiraju se ultrazvučne akustične emisije (UAE). Općenito UAE mogu biti uzrokovane različitim prirodnim procesima unutar biljke. Raspoznavanje emisija uzrokovanih kavitacijom izrazito je korisno kod sustava za pametno navodnjavanje. Nedavnim istraživanjima razvijene su akustične metode u svrhu raspoznavanja različitih izvora UAE. Unutar ovog rada razvijena je metodologija prepoznavanja prirodnih grupa unutar skupa podataka UAE koje potencijalno odgovaraju pojedinim izvorima UAE. Odrađuje se ekstrakcija značajki UAE pomoću kojih se definiraju grupe. Početna analiza skupa značajki odrađuje se analizom principalnih komponenti. Grupiranje se odrađuje na temelju gustoće skupa značajki OPTICS algoritmom i gradijentnim grupiranjem. Uspješnost grupiranja za sve podskupove značajki procjenjuje se modificiranim DBCV algoritmom za validaciju grupiranja. Koristi se selekcija značajki na temelju ocjena grupiranja podskupova značajki od 3 dimenzije za izbor optimalnog podskupa značajki UAE. Izabrani podskup značajki formira distinktne grupe UAE koje potencijalno odgovaraju različitim izvorima UAE. Ekstrakcija te grupiranje optimalnog podskupa značajki implementira se na ugradbenom procesoru porodice Arm Cortex-M STM32L4. Ugradbene verzije algoritama prilagođene su za rad u stvarnom vremenu i sekvencionalni način rada. Završno provjerava se točnost ugradbene implementacije te analizira se trajanje izvođenja te potrošnja algoritma u obliku broja izvedenih instrukcija.
Abstract (english)
Air bubbles or cavitations form inside the plant's xylem during a state of water stress. Bubble bursts emit ultrasonic acoustic emissions (UAE). In general, UAE can be caused by various natural processes within plants. Identification of emissions caused by cavitation is extremely useful in smart irrigation systems. Recent research has developed acoustic methods to identify different UAE sources. In this paper a methodology has been developed for identifying natural clusters within the UAE dataset that potentially correspond to individual UAE sources. Feature extraction is performed on UAE dataset. The initial feature set analysis is done by principal component analysis. OPTICS and gradient clustering is performed based on the density of the feature set. Clustering performance for all feature subsets is analyzed by a modified DBCV clustering validation algorithm. Feature selection is performed based on clustering validation score of all 3-dimensional feature sets to select the optimal UAE feature subset. The selected feature subset forms distinct UAE clusters that potentially correspond to different UAE sources. Feature extraction and clustering of the optimal feature subset is implemented on the embedded processor family Arm Cortex-M STM32L4. Embedded versions of the algorithms are adapted for real-time operation and sequential mode. Finally, the accuracy of the embedded implementation is checked and the execution duration and consumption of algorithms are analyzed in the form of number of instructions cycles.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:342211
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 on2023-01-14 08:51:14