prikaz prve stranice dokumenta Praćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža
  Preuzmi
PDF 947.32 KB
diplomski rad
Praćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža
Zagreb: Sveučilište u Zagrebu, Agronomski fakultet, 2023. urn:nbn:hr:204:866325
Zdrilić, Anđelo
Sveučilište u Zagrebu
Agronomski fakultet
Poljoprivredna zoologija

Institucijski repozitorij: Repozitorij Agronomskog fakulteta u Zagrebu

Citirajte ovaj rad

Zdrilić, A. (2023). Praćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Agronomski fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:204:866325

Zdrilić, Anđelo. "Praćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža." Diplomski rad, Sveučilište u Zagrebu, Agronomski fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:204:866325

Zdrilić, Anđelo. "Praćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža." Diplomski rad, Sveučilište u Zagrebu, Agronomski fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:204:866325

Zdrilić, A. (2023). 'Praćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža', Diplomski rad, Sveučilište u Zagrebu, Agronomski fakultet, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:204:866325

Zdrilić A. Praćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Agronomski fakultet; 2023 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:204:866325

A. Zdrilić, "Praćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža", Diplomski rad, Sveučilište u Zagrebu, Agronomski fakultet, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:204:866325

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:204:866325
Podaci o radu
NaslovPraćenje leta maslininog moljca razvojem i korištenjem modela umjetnih neuronskih mreža
Naslov (engleski)Monitoring of the flight of olive kernel borer by developing and using model based on artificial neural networks
AutorAnđelo Zdrilić
MentorTomislav Kos (mentor)
MentorIvana Pajač Živković (komentor)
Član povjerenstvaTomislav Kos (predsjednik povjerenstva)
Član povjerenstvaDarija Lemić (član povjerenstva)
Član povjerenstvaMartina Skendrović Babojelić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Agronomski fakultet
(Poljoprivredna zoologija)
Zagreb
Datum i država obrane2023, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		BIOTEHNIČKE ZNANOSTI
Poljoprivreda (agronomija)
Sažetak
Maslinin moljac (Prays oleae Bernard, 1788) jedan je od najznačajnijih štetnika masline. U maslinicima radi štete velikih gospodarskih razmjera, najčešće u obliku opadanja plodova, slabijem urodu i sporijem rastu stabla. Kako bi se njegova prisutnost na terenu ranije uočila, predložen je razvoj modela za automatsku detekciju temeljen na prepoznavanju sadržaja slika pomoću umjetnih neuronskih mreža. Postavljanjem lovki s feromonima, prikupljanjem i fotografiranjem uzoraka, na lovkama ulovljenih, odraslih oblika P. oleae na ljepljivim pločama, anotiranjem fotografija i učenjem neuronske mreže, razvijen je model za automatsko praćenje ovog štetnika. Osim vrste P. oleae, model je naučen prepoznavati ostale kukce kao i ostale elemente na slikama. Preciznost prepoznavanja odraslih oblika moljca iznosila je 59 % u odnosu na vizualni pregled, a veća je od preciznosti prepoznavanja ostalih štetnika i ostalih elemenata na fotografijama ljepljivih ploča.
Sažetak (engleski)
Olive kernel borer (Prays oleae Bern ard, 1788) is one of the most significant pests of olive tree. In olive groves, it can cause damage of large economic proportions , commonly in form of fruit drop, weaker yield, or stagnant tree growth . To detect its presence in the field as soon as possible, an automatic model based on the image recognition of image content using artificial neural networks is used. By setting up phe romone based traps, collecting and photographing samples of adult P. oleae, annotating photographs and teaching a neural network to use them, an automatic model is developed for tracking olive kernel borer individuals. Besides the species P. oleae , the mod el was taught to recognize other pests as well as other elements of proposed images. The accuracy of recognition of the adult moths was 59 compared to visual inspection of proposed photographs and was higher that the accuracy of recognition of other pest s and other elements on photographs of adhesive panels.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:204:866325
Studijski programNaziv: Mediteranska poljoprivreda
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka mediteranske poljoprivrede (univ. mag. ing. agr.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Datum isteka embarga: 2024-11-08
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-11-08 11:15:42