Razvoj aplikacija za prepoznavanje paunovog oko (Spilocaea oleaginea (Castagne) Hughes syn. Cycloconium oleagineum Cast.) pomoću RGB slika na listovima maslina (Olea europaea L.) u Zadarskoj županiji (CROSBI ID 688333)
Prilog sa skupa u zborniku | sažetak izlaganja sa skupa | domaća recenzija
Podaci o odgovornosti
Kos, Tomislav ; Šikić, Zoran ; Gašparović Pinto, Ana ; Zorica , Marko ; Marcelić, Šime ; Dabčević, Alen
hrvatski
Razvoj aplikacija za prepoznavanje paunovog oko (Spilocaea oleaginea (Castagne) Hughes syn. Cycloconium oleagineum Cast.) pomoću RGB slika na listovima maslina (Olea europaea L.) u Zadarskoj županiji
Maslina (Olea europaea L.) je zimzelena biljna vrsta i jedna od najproširenije voćne vrste u Jadranskoj regiji i na Mediteranu. Gljivična bolest paunovo oko (Spilocaea oleaginea syn. Cycloconium oleagineum) najvažnija je bolest lista masline. Primarni simptom paunovog oka je defolijacija lista koja utječe na rast, razvoj i kondiciju stabla, također se negativno odražava na prinos ploda. Pravodobna determinacija i otkrivanje zaraze na listu masline u početnim fazama razvoja gljivice omogućava učinkovito suzbijanje ove bolesti. Intenzitet zaraze kao i vremensko razdoblje, početna faza pojave bolesti, usko je vezana uz vremenske prilike (abiotičke) u nasadu i sortimentu maslinika. Nedovoljno praćenje i nepravodobna ili neodgovarajuća zaštita, izostanak agrotehničkih zahvata koji bi utjecali na smanjenje zaraze, zatim nedovoljno znanje o biološkom procesu razvoja gljive predstavljaju izazov za maslinare. Korištenjem suvremenih tehnologija tzv. „Internet of Things“ (IoT) pomažemo maslinarima u rješavanju gore navedenih izazova pokušavajući im pojednostaviti i ubrzati donošenje odluka. Uzimanje RGB (Red, Green, Blue) slikovnog sadržaja pomoći će u klasificiranju simptoma na listu. Cilj rada je provjeriti učinkovitost izrađene mobilne aplikacije razvijene iz prikupljenih RGB slika u različitim situacijama pojavnosti bolesti na listovima masline. Za potrebe učenja i klasifikacije primjenom RGB slika prikupljeno je nekoliko tisuća slika listova (1.500) kao podatkovna podloga za razvoj modela neuronske mreže. Sustav analize je uspostavljen korištenjem strojnog učenja odnosno umjetnih neuronskih mreža (Faster R-CNN), čijom primjenom je omogućena detekcija i klasifikacija pojedinačnog lista. Za potrebe razvoja modela korišteni su programski jezici Python i C++, te različiti oblici programske podrške (TensorFlow, Scikit, itd.). Primjena za krajnje korisnike je omogućena razvijenom mobilnom aplikacijom. U svrhu razvoja mobilne aplikacije, u sklopu projekta „SAN – Smart Agriculture Network“ (SAN - KK.01.2.1.01.0100), u Zadarskoj županiji odabrane su dvije pilot lokacije (Novigrad i Žman (Dugi Otok)).
maslina, neuronska mreža, paunovo oko, RGB, SAN, Zadarska županija
nije evidentirano
engleski
Development of a mobile application for the identification of olive leaf spot (Spilocaea oleaginea syn. Cycloconium oleagineum) using RGB imaging of olive (Olea europaea L.) leaves in Zadar county
nije evidentirano
neural network, olive, olive leaf spot, RGB, SAN, Zadar county
nije evidentirano
Podaci o prilogu
271-272.
2020.
objavljeno
Podaci o matičnoj publikaciji
55. hrvatski i 15. međunarodni Simpozij Agronoma
Boro Mioč, Ivan Širić
Zagreb: Agronomski fakultet Sveučilišta u Zagrebu
2459-5551
Podaci o skupu
55. hrvatski i 15. međunarodni simpozij agronoma
poster
16.02.2020-21.02.2020
Vodice, Hrvatska