| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Datorredzes modeļu salīdzinošā analīze kartupeļu puves noteikšanā, izmantojot ierobežotu apmācības datu kopu |
| Title in English |
Comparative Analysis of Computer Vision Models for Potato Blight Detection Using a Limited Training Dataset |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Artūrs Ķempelis |
| Reviewer |
Olga Krutikova |
| Abstract |
Bakalaura darbā analizēta datorredzes tehnoloģiju efektivitāte kartupeļu agrās un vēlās puves noteikšanā, izmantojot ierobežotu apmācības datu kopu. Slimību agrīna diagnostika ir būtiska, lai mazinātu ražas zudumus un veicinātu ilgtspējīgu lauksaimniecību, īpaši mazajās saimniecībās. Darba mērķis ir salīdzināt divu dziļās mācīšanās modeļu – MobileNetV2 klasifikācijai un YOLOv8 objektu noteikšanai – veiktspēju dažādos datu pieejamības scenārijos (25 %, 50 % un 100 % no treniņu datiem). Eksperimentu rezultāti liecina, ka, izmantojot transfer learning un datu papildināšanas metodes, iespējams nodrošināt augstu klasifikācijas un detekcijas precizitāti pat pie samazināta datu apjoma. MobileNetV2 uzrādīja lielāku jutību pret datu nelīdzsvarotību, savukārt YOLOv8 spēja veiksmīgi lokalizēt slimības bojājumus. Darbs piedāvā praktiski pielietojamu risinājumu, kas ir piemērots ieviešanai mobilajās ierīcēs lauka apstākļos, atbalstot digitālo transformāciju mazajās lauksaimniecībās.
Darba apjoms: 64 lappuses, 15 attēli, 4 tabulas, 66 izmantotie informācijas avoti. |
| Keywords |
datorredze, kartupeļu slimības, MobileNetV2, YOLOv8, mašīnmācīšanās |
| Keywords in English |
computer vision, potato diseases, MobileNetV2, YOLOv8, machine learning |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
29.05.2025 23:59:49 |
