Architektonický návrh aplikace rozpoznání baby plevelů ČZU

Bc. Markéta Palmová

Master's thesis

Baby weeds recognition application architecture design for CULS purposes

Abstract:

Diplomová práce je věnována tématu architektonického návrhu aplikace rozpoznávání plevelů v počátečním stádiu růstu na ČZU. Teoretická část poskytuje komplexní pohled na problematiku a rozdělení jednotlivých druhů neuronových sítí. Další problematika, která je v této práci řešena, je rozdělení jednotlivých konvolučních neuronových sítí a jejich využití, výhody či nevýhody. Práce se dále zabývá rozpoznáním obrazu na základě konvolučních neuronových sítí. Je řešena problematika segmentace obrazu, již použité a navrhované metody nebo snímání obrazu. První část praktické části se zabývá návrhem a možnou implementací konvolučních neuronových sítí. Jsou zde poskytnuty tři navržené architektury. Další část analyzuje možné frameworky a knihovny vhodné pro implementaci konvoluční neuronové sítě v jazyce Java. V poslední části práce jsou navrženy dva vývojové diagramy na učení konvoluční neuronové sítě a na vyhledávání obrazů v databázi. Dále je zde navrhnut Use Case diagram aplikace a počáteční návrh class diagramu. Díky nasbíraným datům z teoretické části jsou v závěru zhodnoceny výsledky a doporučeny další kroky či vylepšení.

Abstract:

The diploma thesis is devoted to the Baby weeds recognition application architecture design for CULS purposes. The theoretical part provides a extensive view of the problematics and the distribution of individual types of neural networks. Another issue that is dealt with in this thesis is the division of individual convolutional neural networks and their use, advantages or disadvantages. The thesis also deals with image recognition based on convolutional neural networks. The problem of image segmentation, applied and proposed methods or image acquisition is solved.The first part of the practical part deals with the design and possible implementation of convolutional neural networks. Three designed architectures are provided here. The next part analyzes the possible frameworks and libraries suitable for implementation of Java convolutional neural network. In the last part of the thesis two flowcharts are designed to learn the convolutional neural network and look for images in the database. In addition, the Use Case diagram application and the initial design of the class diagram are designed. Thanks to the collected data from the theoretical part, the results are evaluated in the end and further steps or improvements are recommended.

Keywords

neuronová síť, konvoluční neuronová síť, rozpoznání obrazu, segmentace obrazu, mobilní aplikace, UML diagram

Keywords

neural network, convolutional neural network, image recognition, image segmentation, mobile applications, UML diagram

Language used: Czech

Date on which the thesis was submitted / produced: 24. 11. 2018

Thesis defence

• Supervisor: Ing. Josef Pavlíček, Ph.D.

Czech University of Life Sciences Prague

Faculty of Economics and Management

Master programme / field:
Systems Engineering and Informatics / Informatics