| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Ražošanas inženierzinības un vadība |
| Nosaukums |
Mākslīgā intelekta metožu pielietojumi augu slimību identificēšanā. |
| Nosaukums angļu valodā |
Application of Artificial Intelligence methods for plant disease identification. |
| Struktūrvienība |
22000 Inženierekonomikas un vadības fakultāte |
| Darba vadītājs |
Ieva Andersone |
| Recenzents |
Prof., Dr. oec. Tatjana Tambovceva |
| Anotācija |
Praveen Kumar Kadapa. Mākslīgā intelekta metožu pielietojums augu slimību identificēšanā: maģistra darbs / Praveen Kumar Kadapa, Ilze Anderson. Rīga: RTU BALTECH maģistra studiju programma “Rūpniecības inženierija un vadība”, 2020. 70p.
Maģistra darbs ir paredzēts izpētīt un analizēt dažādas augu slimību noteikšanas metodes. Lai to izdarītu, tika pētītas attēlu apstrādes un mākslīgā intelekta darbības un metodes, jo tās ir izplatītas metodes augu slimību noteikšanā. Attēlu apstrādē galvenokārt analizētie posmi bija attēla tīrīšana, attēla segmentēšana un funkciju iegūšana, savukārt mākslīgā intelekta metodēs, piemēram, mākslīgie neironu tīkli, konvolūcijas neironu tīkli, K līdzekļi, K tuvākie kaimiņi, vienkāršots izplūdušais ARTMAP neironu tīkls. Pētījuma darbs ir sadalīts četrās nodaļās, kas ir par attēlu apstrādi, mākslīgā intelekta metožu pielietošanu augu slimību noteikšanā, par augu slimību noteikšanas pētījumu literatūras apskatu un praktisko daļu, kurā tiek analizētas attēlu apstrādes metodes, mākslīgā intelekta metodes. Praktiskajā daļā eksperimentēja ar dažādām attēlu apstrādes metodēm dažādās datu kopās, piemēram, tomātu, kartupeļu un piparu augos, kamēr piedāvātais modelis sastāv no mākslīgā intelekta metodēm, kas sastāv no mākslīgā neironu tīkla.
Maģistra darbā ir 70 lappuses, 47 attēli, 10 tabulas un 43 atsauces avoti.
ATSLĒGVĀRDI - augu slimību noteikšana, attēlu apstrāde, mākslīgais neironu tīkls, mākslīgie neironu tīkli, konvolūcijas neironu tīkli, K-līdzekļi, K-tuvākie kaimiņi, vienkāršots izplūdušais ARTMAP neironu tīkls, Gausa filtrs, vidējais filtrs, vidējais filtrs, krāsu telpa, Objektu ieguve , attēlu priekšapstrāde. |
| Atslēgas vārdi |
augu slimību noteikšana, attēlu apstrāde, mākslīgais neironu tīkls, mākslīgie neironu tīkli, konvolūcijas neironu tīkli, K-līdzekļi, K-tuvākie kaimiņi, vienkāršots izplūdušais ARTMAP neironu tīkls, Gausa filtrs, vidējais filtrs, vidējais filtrs, krāsu telpa, Objektu ieguve , attēlu priekšapstrāde |
| Atslēgas vārdi angļu valodā |
plant disease detection, image processing, artificial neural network, artificial neural networks, convolutional neural networks, K-means, K-nearest neighbors, simplified fuzzy ARTMAP neural network, Gaussian filter, median filter, mean filter, color space, Feature extraction, image-preprocessing |
| Valoda |
lv |
| Gads |
2020 |
| Darba augšupielādes datums un laiks |
02.06.2020 21:25:17 |
