| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Datorredzes tehnoloģiju izpēte augu augšanas stadiju novērtēšanai |
| Title in English |
Study of Computer Vision Technologies for Assessing Plant Growth Stages |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Artūrs Ķempelis |
| Reviewer |
Pēteris Grabusts |
| Abstract |
Mūsdienu lauksaimniecībā un augu pētniecībā arvien nozīmīgāka kļūst automatizēta augu attīstības novērtēšana. Manuāla augu fenotipēšana un augšanas stadiju noteikšana ir laikietilpīga, darbietilpīga un var būt subjektīva, tādēļ arvien plašāk tiek pētītas datorredzes un mašīnmācīšanās metodes, kas ļauj analizēt augu attēlus automātiski. Bakalaura darba mērķis ir izpētīt un izstrādāt datorredzes un mašīnmācīšanās metodes augu augšanas stadiju novērtēšanai, izmantojot attēlu analīzi. Darbā aplūkota augu fenotipēšanas nozīme, manuālās fenotipēšanas ierobežojumi, datorredzes un mašīnmācīšanās pielietojums lauksaimniecībā, kā arī esoši risinājumi fenotipisko pazīmju iegūšanai.
Darba tika izmantota OPPD datu kopa, sagatavoti augu attēli un izveidots prototips, kas apvieno fenotipisko pazīmju iegūšanu un augu augšanas stadiju klasifikāciju. Papildus tika izstrādāts klasifikācijas modelis, izmantojot MobileNetV2 arhitektūru un pārejas mācīšanās pieeju. Iegūtie rezultāti parāda, ka datorredzes un mašīnmācīšanās metodes ir piemērotas augu augšanas stadiju novērtēšanai no attēliem. Izstrādātais prototips spēj ne tikai klasificēt augu attīstības stadijas, bet arī iegūt skaitliskus fenotipiskos rādītājus, kas palīdz raksturot auga vizuālās izmaiņas augšanas laikā. Vienlaikus darbā secināts, ka modeļa precizitāti ietekmē datu kopas apjoms, attēlu kvalitāte, klašu nelīdzsvarotība un vizuālā līdzība starp augšanas stadijām.
Dati par darba apjomu: 56 lappuses, 22 attēli, 6 tabulas un 27 izmantotie informācijas avoti. |
| Keywords |
Datorredze, mašīnmācīšanās, augu fenotipēšana. |
| Keywords in English |
Computer vision, machine learning, plant phenotyping. |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
25.05.2026 22:08:26 |
