| Form of studies |
Master |
| Title of the study programm |
Information Technology |
| Title in original language |
Bezpilota lidaparāta datos balstīta mizgraužu invāzijas noteikšana kokos, izmantojot dziļās apmācības metodes |
| Title in English |
Drone-based Detection of Bark Beetle Infestations in Trees using Deep Learning Methods |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Sergejs Paršutins |
| Reviewer |
Arnis Kiršners |
| Abstract |
Mizgraužu invāzija ir pastāvīga problēma, kas skar lielu daļu no visu pasaules
koku ekosistēmām. Ja kokam šī problēma netiek atrisināta, tad tas var potenciāli nomirt.
Bieži vien, tradicionālas mizgraužu invāzijas noteikšanas metodes nespēj savlaicīgi
identificēt skartos kokus lielās mežu teritorijās. Kad kokos parādās pirmie ārējie
vizuālie simptomi ir jau par vēlu izglābt koku. Līdz ar to darba mērķis ir novērtēt
iespēju pielietot dziļo mācīšanos kopā ar bezpilota lidaparāta iegūtiem datiem, lai
noteiktu kokus ar mizgrauzi, balstoties no koku temperatūras profila. Tika pielietota
Mask R-CNN konvolūciju neironu tīklu arhitektūra, lai attēlos identificētu individuālus
kokus no redzamās gaismas attēliem. Iegūtais segmentācijas rezultāts tiek pārklāts uz
termāliem attēliem, kuri tiek izmantoti, lai veiktu statistisko analīzi par katru koku.
Kopumā segmentācijas modeļa rezultāti ir relatīvi labi sasniedzot vidēju 71% šķēlumu
virs apvienojuma (angļu val. IoU) un vidēju 0.61 F1 rezultātu. Statistiskā analīze ir
spējīga identificēt, kuri koki ir karstāki un kuri aukstāki, bet datu kvalitātes dēļ,
mizgraužu noteikšana ir pagrūtināta. |
| Keywords |
Dziļā mācīšanās, tālizpētes dati, mizgrauzis |
| Keywords in English |
Deep learning, remote sensing data, bark beetles |
| Language |
lv |
| Year |
2024 |
| Date and time of uploading |
28.05.2024 00:41:28 |
