Určení zralosti rajčete
Zobrazit minimální záznam
| dc.contributor.advisor |
Turečková, Alžběta
|
|
| dc.contributor.author |
Maruniak, Filip
|
|
| dc.date.accessioned |
2024-07-23T13:16:16Z |
|
| dc.date.available |
2024-07-23T13:16:16Z |
|
| dc.date.issued |
2023-11-05 |
|
| dc.identifier |
Elektronický archiv Knihovny UTB |
|
| dc.identifier.uri |
http://hdl.handle.net/10563/55579
|
|
| dc.description.abstract |
Automatizácia a počítačové videnie môžu fungovať ako robustné nástroje pre zvyšovanie efektívnosti a kvality v poľnohospodárstve, najmä pri spracovaní rajčín, ktoré sú globálne významnou plodinou s ročnou produkciou dosahujúcou približne 182,3 miliónov ton. Táto diplomová práca sa zameriava na aplikáciu týchto technológií pre proces identifikácie zrelosti rajčín. Kľúčové metódy zahŕňajú použitie metódy počítačového videnia v algoritmoch pre výpočet histogramu farieb alebo algoritmu pre zistenie dominantnej farby na efektívne rozlíšenie stupňov zrelosti a v neposlednom rade konvolučnej neurónovej siete, ktorá umožňuje hlboké učenie z vizuálnych dát pre presnú klasifikáciu zrelosti. Cieľom práce je zdokonalenie techník určovania zrelosti rajčín s cieľom minimalizovať straty počas skladovania a distribúcie a poskytnúť robustnú podporu pre zlepšenie farmárskych a komerčných operácií |
|
| dc.format |
78 |
|
| dc.language.iso |
cs |
|
| dc.publisher |
Univerzita Tomáše Bati ve Zlíně |
|
| dc.rights |
Bez omezení |
|
| dc.subject |
Automatizácia
|
cs |
| dc.subject |
Poľnohospodárstvo
|
cs |
| dc.subject |
Rajčiny
|
cs |
| dc.subject |
Počítačové videnie
|
cs |
| dc.subject |
Neurónové siete
|
cs |
| dc.subject |
Automation
|
en |
| dc.subject |
Agriculture
|
en |
| dc.subject |
Tomatoes
|
en |
| dc.subject |
Computer Vision
|
en |
| dc.subject |
Neural Networks
|
en |
| dc.title |
Určení zralosti rajčete |
|
| dc.title.alternative |
Determining the Ripeness of a Tomato |
|
| dc.type |
diplomová práce |
cs |
| dc.contributor.referee |
Doležel, Petr |
|
| dc.date.accepted |
2024-06-07 |
|
| dc.description.abstract-translated |
Automation and computer vision can serve as robust tools for enhancing efficiency and quality in agriculture, especially in the processing of tomatoes, which are a globally significant crop with an annual production reaching approximately 182.3 million tons. This thesis focuses on applying these technologies to the process of identifying tomato ripeness. Key methods include the use of computer vision in algorithms for calculating color histograms or determining the dominant color to effectively distinguish levels of ripeness, and not least, the convolutional neural network, which allows for deep learning from visual data for accurate ripeness classification. The aim of the work is to refine techniques for determining tomato ripeness in order to minimize losses during storage and distribution and to provide robust support for improving farm and commercial operations. |
|
| dc.description.department |
Ústav informatiky a umělé inteligence |
|
| dc.thesis.degree-discipline |
Softwarové inženýrství |
cs |
| dc.thesis.degree-discipline |
Software Engineering |
en |
| dc.thesis.degree-grantor |
Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky |
cs |
| dc.thesis.degree-grantor |
Tomas Bata University in Zlín. Faculty of Applied Informatics |
en |
| dc.thesis.degree-name |
Ing. |
|
| dc.thesis.degree-program |
Informační technologie |
cs |
| dc.thesis.degree-program |
Information Technologies |
en |
| dc.identifier.stag |
66757
|
|
| dc.date.submitted |
2024-05-13 |
|
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
Zobrazit minimální záznam