Дослідження розвитку рослини методами машинного навчання
| dc.contributor.author | Войтенко, Олександр Дмитрович | |
| dc.contributor.author | Voitenko, Oleksandr D. | |
| dc.date.accessioned | 2024-06-25T07:02:35Z | |
| dc.date.available | 2024-06-25T07:02:35Z | |
| dc.date.issued | 2024 | |
| dc.description | Войтенко О. Д. Дослідження розвитку рослини методами машинного навчання: бакалаврська робота / О. Д. Войтенко – Запоріжжя: НУ «Запорізька політехніка», 2024. – 64 с. | |
| dc.description.abstract | UK: Об’єкт дослідження – використання алгоритмів машинного навчання в агропромисловості. Предмет дослідження – розвиток рослин методами машинного навчання. Мета роботи – дослідити можливість використання моделей машинного навчання для визначення площі зеленої частини рослини. Актуальність роботи – автоматизація спостережень за розвитком рослин завжди була затребованою в сільському господарстві через великі засівні площі та необхідність швидкого реагування на відхилення від нормального розвитку. Сьогодні проблема стає навіть більш актуальною через складність або неможливість потрапити на певні ділянки. Досліджено сучасні методи використання штучного інтелекту та комп'ютерного зору в сільському господарстві. Було перевірено, налаштовано та донавчено модель YOLOv8 на спеціально підготовленому наборі даних. EN: The object of research is the use of machine learning algorithms in agro-industry. The subject of research is plant development using machine learning methods. The purpose of the work is to investigate the possibility of using machine learning models to determine the area of the green part of the plant. The relevance of the work - the automation of observations of plant development has always been in demand in agriculture due to large sown areas and the need for quick response to deviations from normal development. Today, the problem becomes even more urgent due to the difficulty or impossibility of getting to certain areas. Modern methods of using artificial intelligence and computer vision in agriculture were studied. The YOLOv8 model was tested, tuned and retrained on a specially prepared dataset. | |
| dc.identifier.uri | https://eir.zp.edu.ua/handle/123456789/15316 | |
| dc.language.iso | uk | |
| dc.publisher | Національний університет «Запорізька політехніка» | |
| dc.subject | Рослина | |
| dc.subject | Машинне навчання | |
| dc.subject | Сегментація | |
| dc.subject | Plant | |
| dc.subject | Machine learning | |
| dc.subject | Segmentation | |
| dc.title | Дослідження розвитку рослини методами машинного навчання | |
| dc.title.alternative | Research of plant growth using machine learning methods | |
| dc.type | Master thesis |