prikaz prve stranice dokumenta Raspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB
  Preuzmi
PDF 2.91 MB
diplomski rad
Raspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2022. urn:nbn:hr:200:484294
Radočaj, Petra
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za programske jezike i sustave

Institucijski repozitorij: Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek

Citirajte ovaj rad

Radočaj, P. (2022). Raspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:484294

Radočaj, Petra. "Raspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2022. https://urn.nsk.hr/urn:nbn:hr:200:484294

Radočaj, Petra. "Raspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2022. https://urn.nsk.hr/urn:nbn:hr:200:484294

Radočaj, P. (2022). 'Raspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:484294

Radočaj P. Raspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2022 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:484294

P. Radočaj, "Raspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:484294

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:484294
Podaci o radu
NaslovRaspoznavanje bolesti rajčice uporabom prijenosnog dubokog strojnog učenja na temelju slike razvijenim modulom IncMB
Naslov (engleski)Recognition of tomato diseases from images by using transfer deep machine learning and developed IncMB module
AutorPetra Radočaj
MentorGoran Martinović (mentor)
Član povjerenstvaGoran Martinović (predsjednik povjerenstva)
Član povjerenstvaKrešimir Nenadić (član povjerenstva)
Član povjerenstvaIvan Aleksi (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za programsko inženjerstvo)
(Katedra za programske jezike i sustave)
Osijek
Datum i država obrane2022-07-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
U teorijskom dijelu rada prikazane su bolesti rajčice, prateći simptomi i načini dijagnosticiranja bolesti. Opisani su modeli za raspoznavanje bolesti lista rajčice temeljeni na prijenosnom dubokom strojnom učenju. Problem klasifikacije pomoću konvolucijskih neuronskih mreža unaprjeđen je razvojem IncMB modula. Znanje o načinu na koji algoritmi dubokog strojnog učenja izdvajaju značajke povećalo bi točnost detekcije bolesti, osiguralo bržu dijagnostiku i odabir pravilnog tretmana. U eksperimentalnom dijelu rada se na mrežnim arhitekturama InceptionResNetV2, InceptionV3, MobileNetV2 i DenseNet201 provela klasifikacija bolesti lista rajčice i to implementacijom pojedine mreže, njezine inačice s IncMB modulom i inačice s metodom potpornih vektora. Svi modeli su trenirani i validirani na javno dostupnom skupu podataka u kojem su bolesne jedinke rajčice određene u šest klasa. Najbolje rezultate ostvarila je InceptionV3 mreža koja sarži IncMB modul čija je točnost naveća.
Sažetak (engleski)
The theoretical part of the thesis describes tomato diseases, symptoms, and diagnostic methods. Models for recognizing tomato leaf disease based on transfer deep machine learning are implemented. The classification problem using convolutional neural networks has been improved by the development of IncMB module. Knowledge of how deep machine learning algorithms extract features would contribute to the accuracy of disease detection, faster diagnosis, and selection of the proper treatment. In the experimental part of the thesis, tomato leaf disease classification was performed on InceptionResNetV2, InceptionV3, MobileNetV2, and DenseNet201 network architectures by implementing an individual network, its version with IncMB module and version with support vector machine. All models were trained and validated on a public dataset containing diseased tomato individuals divided into six classes. The best results were achieved by the InceptionV3 network, which contains an IncMB module with an accuracy of 97.78%.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:484294
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-09-07 12:24:26