Mākslīgā intelekta algoritmu izmantošana augu lapu laukuma aprēķinam un laistīšanas padomdevējam

Metadata

Title (latvian):: Mākslīgā intelekta algoritmu izmantošana augu lapu laukuma aprēķinam un laistīšanas padomdevējam
Alternative title (english):: The use of Artificial Intelligence algorithms for calculating plant leaf area and for an irrigation advisor
Scientific work type:: Bakalaura darbs
Creator:: Nauris Jāvalds, 2004 -
Contributor:: Ginta Majore, zinātniskais vadītājs
Contributor:: Edgars Garšneks, recenzents
Format extent (latvian):: 47 lp.
Publisher:: Ventspils: Ventspils Augstskola
Date created:: 2026
Format medium:: Born digital
Language:: latvian
Abstract (latvian):: Darba nosaukums: Mākslīgā intelekta algoritmu izmantošana augu lapu laukuma aprēķinam un laistīšanas padomdevējam. Darba autors: Nauris Jāvalds Darba vadītājs: Dr. Sc. Ing. Ginta Majore Darba apjoms: 47 lpp., 11 tabulas, 12 attēli, 19 bibliogrāfiskie norādes, 1 pielikums Atslēgas vārdi: SEMANTISKĀ SEGMENTĀCIJA, YOLOv11, AUGU LAPOTNES LAUKUMS, LAISTĪŠANAS PADOMDEVĒJS, RELATĪVAIS AUGŠANAS ĀTRUMS. Bakalaura darbā ir izpētīta mākslīgā intelekta algoritmu pielietošana augu lapu laukuma noteikšanai un automatizēta laistīšanas padomdevēja izveidei. Pētījuma objekts ir mākslīgā intelekta balstīta informācijas sistēma auga veselības stāvokļa noteikšanai. Darba izstrādes laikā tika apkopota datu kopa ar 196 attēliem un 6 augiem, kuriem veikti 21 mērījumi laikā no 2025. gada jūnijam līdz 2025. gada septembrim.[19] Darbā izmantotā auga Salix Integra bilžu datu kopa ir autoram pieejama izmantošanai šī darba izstrādē pateicoties Rīgas Tehniskās Universitātes Ūdens Sistēmu un biotehnoloģiju institūta īstenotajam projektam "Ceļā uz ideālu sūkli – teorētiskas un praktiskas specifikācijas izstrāde lietus ūdens biofiltram (lietus dārzam), maksimizējot nokrišņu ūdens aizturi un evapotranspirāciju" (Nr. RTU-PA-2024/1-0066 "TPS") ietvaros. Attēli anotēti ar LabelMe rīku, izmantojot AI atbalstītu masku zīmēšanu. Darbā ir aprakstītas divas apskatītās pieejas: sākotnējā objektu atpazīšana ar robežrāmjiem un galīgā pieeja - pilna auga lapotnes segmentācija ar YOLOv11n-seg modeli. Šāda virziena maiņa ļāva izvairīties no atsevišķu lapu oklūzijas problēmas un koncentrēties uz lapotnes projektētā laukuma izmaiņām laikā. Laistīšanas padomdevējs balstās uz relatīvā augšanas ātruma (RGR) aprēķinu, auga individuālās vēsturiskās bāzlīnijas salīdzinājumu un laistīšanas ieraksta datiem. Sistēma neuzņemas pilnībā automātisku laistīšanas vadību, bet sniedz agru brīdinājumu par iespējamu augšanas palēnināšanos vai sausuma stresu. Izstrādāta ir Streamlit tīmekļa lietotne, kas nodrošina attēlu augšupielādi, lapu laukumu aprēķinu, mērījumu vēsturi, augu pārvaldību, laistīšanas uzskaiti/reģistrēšanu un datu korekcijas iespējas.
Abstract (english):: Title: The use of Artificial Intelligence algorithms for calculating plant leaf area and for an irrigation advisor. Author: Nauris Jāvalds Supervisor: Dr. Sc. Ing. Ginta Majore Thesis volume: 47 pages, 11 tables, 12 figures, 19 bibliographic references, 1 attachment Keywords: SEMANTIC SEGMENTATION, YOLOv11, PLANT CANOPY AREA, IRRIGATION ADVISOR, RELATIVE GROWTH RATE The bachelors thesis includes research for seeing how artificial intelligence algorithms can be used to determine a plants leaf area and how to create an automatic plant watering advisor. The projects idea is to study an artificial intelligence based information system which detects the health of a plant. During the project creation, there was data gathered from 6 plants, all together combining 196 images with 21 measurements in total spanning from June to September for the year 2025.[19] The image dataset of the Salix Integra plant used in this work is available to the author for use in the development of this work thanks to the project "Toward a perfect sponge - developing theoretical and practical specification for stormwater biofilter (rain garden) composition maximizing rainwater retention and evapotranspiration" (No. RTU- PA-2024/1-0066 "TPS") implemented by the Institute of Water Systems and Biotechnology at Riga Technical University. The images were annotated using the LabelMe tool, including the use of the AI mask drawer. The two described approaches in the thesis: initial object recognition with bounding boxes and the final plant leaf area segmentation with YOLOv11n-seg model. This change of approach allowed to reduce leaf occlusion and concentrate on leaf projected area change during a time period. The watering advisor is based on the relative growth rate (RGR) calculation, the plants individual baseline history comparison and watering logs. The system does not take the responsibility of an automatic watering lead, but It gives an early warning for potential growth slowing or drought stress. A Streamlit app was developed, providing functions like image uploading, leaf area measurement, measurement history, plant management, irrigation tracking/registering and data correction option.
Is part of collection:: Academia
Subject:: Bakalaura darbi
Subject:: Ventspils Augstskola. Informācijas tehnoloģiju fakultāte
Subject:: Datorzinātnes
Geographic name:: Ventspils (Latvija)
Object location (*):: Ventspils Augstskola
Date captured:: 14.08.2026
APLIS copyright status:: Protected by rights
APLIS access rights:: This work is protected by copyright and/or neighboring rights. It can be freely used for personal use, scientific research, or self-education. Other uses require permission from the right holder(s).
APLIS statement of rights:: Protected by copyrights - not in commercial circulation
APLIS access notice:: Accessible online (without the ability to download)
Blocked:: Nē
Type group:: Text
Type:: Scientific Work
URI:: https://dom.lndb.lv/data/obj/1716195
RDF data | XML data

Metadata

Available files

Technical files

Please wait