Identifikace ovoce metodami strojového učení

Bc. Patrik Dítě

Master's thesis

Identification of Fruit Types Using Machine Learning

Anotácia:

Diplomová práce se zabývá metodami strojového učení používanými pro identifikaci druhu ovoce z fotografie. Cílem práce bylo zhodnotit možnosti využití metod, navrhnout a vytvořit ukázkovou aplikaci pro rozpoznávání ovoce. Z provedeného průzkumu byly získány informace o používaných modelech a metodách a na jejich základě byly navrženy 4 konvoluční neuronové sítě. Ty byly pomocí experimentů s architekturou, normalizací, daty a parametry testovány a laděny. Bylo dosaženo 98,09% přesnosti na testovací sadě Fruits-360 obsahující 120 druhů ovoce.

Abstract:

The master thesis deals with machine learning methods for identification of fruit types from photographies. The aim of the work was to create an application for fruit recognition and identification. A literature reivew was conducted to summarize the state of the art. Then four convolutional neural networks were proposed, implemented and tuned using experiments with architecture, normalization, data and parameters. 98,09 % accuracy was achieved on the Fruits-360 test set, containing 120 types of fruit.

Kľúčové slová

Strojové učení, Konvoluční neuronové sítě, Neuronové sítě, Hluboké učení, Reprezentativní učení, Strojové vidění, Rozpoznávání ovoce

Keywords

Machine learning, Convolutional neural network, Neural networks, Deep Learning, Representation learning, Machine vision, Fruits identificaiton

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 30. 4. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 20. 5. 2020
• Vedúci: doc. RNDr. Kamila Štekerová, Ph.D.
• Oponent: Ing. Karel Mls, Ph.D.

University of Hradec Králové

Faculty of Informatics and Management

Master programme / odbor:
Systémové inženýrství a informatika / Informační management