Mākslīgā intelekta algoritmu izmantošana augu lapu laukuma aprēķinam un laistīšanas padomdevējam

Metadati

Nosaukums (latviešu):: Mākslīgā intelekta algoritmu izmantošana augu lapu laukuma aprēķinam un laistīšanas padomdevējam
Alternatīvais nosaukums (angļu):: The use of Artificial Intelligence algorithms for calculating plant leaf area and for an irrigation advisor
Zinātniskā darba tips:: Bakalaura darbs
Autors:: Nauris Jāvalds, 2004 -
Līdzradītājs:: Ginta Majore, zinātniskais vadītājs
Līdzradītājs:: Edgars Garšneks, recenzents
Fiziskais raksturojums (latviešu):: 47 lp.
Izdevējs:: Ventspils: Ventspils Augstskola
Oriģināla radīšanas datums:: 2026
Fiziskais datu nesējs:: Digitāli radīts
Valoda:: latviešu
Anotācija (latviešu):: 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.
Anotācija (angļu):: 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.
Pieder kolekcijai:: Academia
Temats:: Bakalaura darbi
Temats:: Ventspils Augstskola. Informācijas tehnoloģiju fakultāte
Temats:: Datorzinātnes
Ģeogrāfiskais nosaukums:: Ventspils (Latvija)
Oriģināla turētājs (*):: Ventspils Augstskola
Izveidošanas datums:: 14.08.2026
APLIS autortiesību statuss:: Aizsargāts ar tiesībām
APLIS piekļuves tiesības:: Šo darbu aizsargā autortiesības un/vai blakustiesības. Šo darbu var brīvi lietot personiskai lietošanai, zinātniskam pētījumam vai pašizglītībai. Citiem izmantošanas veidiem jāsaņem tiesību subjekta (-u) atļauja.
APLIS tiesību paziņojums:: Ir aizsargāts ar autortiesībām — komerciālā apritē neesošs
APLIS piekļuves paziņojums:: Pieejams tīmeklī (bez iespējas lejupielādēt)
Bloķēts:: Nē
Resursa virstips:: Teksts
Resursa tips:: Zinātnisks darbs/Teksts
URI:: https://dom.lndb.lv/data/obj/1716195
RDF dati | XML dati

Metadati

Pieejamās datnes

Tehniskās datnes

Lūdzu uzgaidiet