Detekce kloubnatky smrkové – Gemmamyces piceae (Borthw.) Casagr., pomocí analýzy obrazu.

Bc. Kristián Farárik

Diplomová práce

Detection of the bud blight Gemmamyces piceae (Borthw.) Casagr., by image analysis method.

Abstract:

In the 70´s and 80´s of the last century, the Ore Mountains forests were deprived of the most of their original spruce stands due to heavy air pollution. These stands have been replaced by replacemement tree species. One of the these trees was the Norway spruce (Picea pungens Engelm.), on which the fungal pathogen Gemmamyces piceae (Borthw.) Casagr., was introduced, which had and still effect results in the deaths individuals of this species. Tha aim of htis work was to create and test a new algorithm based on the priciple of image analysis with focus on G. piceae (Borthw.) Casagr. Training and testing of this algorithm took place on images divided at ratio of 80 % for training and 20 % for testing. More than 50 % success in identifying the pathogen was found from the results btained using the statistical method Precision, Recall and F1 score. This shows relativly satisfactory results but since i tis only the alpha version of the algoritm more extensive research and procedures will be needed.

Abstract:

V 70. a 80. rokoch minulého storočia boli Krušnohorské lesy pripravené o väčšinu svojich pôvodných smrekových porastov z dôvodu silného imisného znečistenia. Tieto porasty boli nahradené náhradnými druhmi drevín. Jednou s týchto drevín bol aj smrek pichľavý (Picea pungens Engelm.), na ktorom bol zavlečený hubový patogén klubnatka smreková (Gemmamyces piceae (Borthw.) Casagr.), čo malo a stále má následok odumieranie jedincov tohto druhu dreviny. Cieľom tejto práce bolo vytvoriť a testovať nový algoritmus založený na princípe analýzi obrazu so zameraním práve na G. piceae (Borthw.) Casagr.. Trénovanie a testovanie tohto algoritmu prebiehalo na snímkach rozdelených v pomere 80 % pre trénovanie a 20 % pre testovanie. Zo zistených výsledkov pomocou štatistickej metódy Precision, Recall a F1 score bola zistená viac než 50 % úspešnosť pri identifikácii patogénu. Z tohto možno konštatovať pomerne uspokojivé výsledky , no vzhľadom k tomu, že sa jedná iba o alpha verziu algoritmu bude ešte potreba ďalších rozsiahlejších výskumov a postupov.

Keywords

Phytopathology, Forest Pest Management, Remote Sensing, spruce, TensorFlow, Deep learning, damage

Klíčová slova

Fytopatológia, ochrana lesa, diaľkový prieskum zeme, smrek, TensorFlow, Deep learning, poškodenie

Jazyk práce: slovenština

Datum vytvoření / odevzdání či podání práce: 9. 4. 2022

Obhajoba závěrečné práce

• Vedoucí: Ing. Roman Modlinger, Ph.D.

Česká zemědělská univerzita v Praze

Fakulta lesnická a dřevařská

Magisterský studijní program / obor:
Lesní inženýrství / Lesní inženýrství