| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Viedās datortehnoloģijas |
| Nosaukums |
Kokaudzētavas nezāļu vizuālās detektēšanas dziļās mašīnmācīšanās modeļu izveide |
| Nosaukums angļu valodā |
Developing Weed Visual Detection Deep Learning Models for Tree Nurseries |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Andrejs Zujevs |
| Recenzents |
Mihails Kovaļovs |
| Anotācija |
Šajā bakalaura darbā tiek pētīta dziļās mašīnmācīšanās tehnoloģiju pielietošana
nezāļu automātiskai noteikšanai kokaudzētavās. Efektīva nezāļu kontrole ir būtisks
faktors veiksmīgai koku stādu audzēšanai, taču tradicionālās metodes, kas balstās uz
vizuālo apskati un mehānisko apstrādi, prasa ievērojamus laika un darbaspēka resursus.
Dziļo neironu tīklu, īpaši konvolūcijas neironu tīklu (CNN), izmantošana paver jaunas
iespējas savlaicīgai un precīzai nezāļu noteikšanai un veicinās monitoringa procesu
automatizācijas attīstību, kas rezultātā labvēlīgi ietekmēs kokaudzētavu kopējo
efektivitāti.
Pētījuma gaitā tika izveidota un anotēta oriģināla nezāļu datu kopa no
kokaudzētavas, kas paredzēta dziļās mācīšanās modeļu apmācībai. Tika apmācīti,
novērtēti un salīdzināti konvolūcijas neironu tīklos balstīti modeļi YOLOv8,
YOLOv11, kā arī uz darba izstrādes brīdi jaunākais, uz uzmanības mehānismiem
balstītais YOLOv12 modelis. Modeļu efektivitāte tika analizēta, izmantojot tādus
veiktspējas rādītājus kā kļūdu matrica, precizitāte, jūtīgums, IoU, mAP, interferences
ātrums. Rezultāti liecina, ka YOLOv11 uzrādīja labākos rezultātus nezāļu atpazīšanā
kokaudzētavu vidē.
Balstoties uz iegūtajiem rezultātiem, tika izstrādāti priekšlikumi modeļa
turpmākai pilnveidei un tā iespējamai integrācijai kokaudzētavas nezāļu monitoringa
sistēmā. Veiksmīgas ieviešanas gadījumā tas veicinās manuālā darba izmaksu
samazināšanu un audzēto stādu kvalitātes uzlabošanu.
Darba apjoms: 74 lappuses, 12 tabulas, 41 attēls, 1 pielikums, 66 informācijas
avoti. |
| Atslēgas vārdi |
datorredze, dziļā mašīnmācīšanās, konvolūcijas neironu tīkli, nezāļu noteikšana. |
| Atslēgas vārdi angļu valodā |
Computer Vision, Deep Learning, Convolutional Neural Networks, Weed Detection. |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
06.01.2026 23:11:55 |
