| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Datorredzes modeļu salīdzinošā analīze kartupeļu puves noteikšanā, izmantojot ierobežotu apmācības datu kopu |
| Nosaukums angļu valodā |
Comparative Analysis of Computer Vision Models for Potato Blight Detection Using a Limited Training Dataset |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Artūrs Ķempelis |
| Recenzents |
Olga Krutikova |
| Anotācija |
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. |
| Atslēgas vārdi |
datorredze, kartupeļu slimības, MobileNetV2, YOLOv8, mašīnmācīšanās |
| Atslēgas vārdi angļu valodā |
computer vision, potato diseases, MobileNetV2, YOLOv8, machine learning |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
29.05.2025 23:59:49 |
