Detekce škůdců na listech rajčatového porostu s využitím konvolučních neuronových sítí

Bc. Tomáš Javořík

Master's thesis

Pest Detection on Tomato Leaves Using Convolutional Neural Nets

Abstract:

Tato diplomová práce řeší detekci škůdců pomocí neuronové sítě, při použití algoritmu YOLO. Cíl byl natrénovat síť pro přesnou a rychlou detekci škůdců. Hodnocení se usku-tečnilo na základě výsledných obrázků, kde bylo vidět, jak je síť úspěšná. Dále bylo při-hlíženo na ukazatele Precision, Recall, mAP50(B) a AP50-95(B) . Byly testovány tři dru-hy škůdců. V diplomové práci zhodnocena kvalita datasetu. Bylo provedeno vyhodnocení procesu učení.

Abstract:

This diploma thesis deals with the detection of pests using a neural network, using the YOLO algorithm. The goal was to train the network for accurate and fast pest detection. The evaluation was carried out on the basis of the resulting images, which showed how successful the network was. The Precision, Recall, mAP50(B) and AP50-95(B) indicators were also taken into account. Three types of pests were tested. The quality of the dataset was evaluated in the thesis. An evaluation of the learning process was carried out.

Keywords

hluboké učení, počítačové vidění, detekce objektů, detekce škůdců, Faster R-CNN, YOLO, Scaled -YOLO

Language used: Czech

Date on which the thesis was submitted / produced: 25. 8. 2023

Thesis defence

• Supervisor: doc. Ing. Zuzana Komínková Oplatková, Ph.D.

Tomas Bata University in Zlín

Faculty of Applied Informatics

Master programme / field:
Engineering Informatics / Computer and Communication Systems