hrvatski

Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje

Unutar ksilema biljke tijekom stanja vodenog stresa formiraju se mjehurići zraka ili kavitacije. Pucanjem mjehurića emitiraju se ultrazvučne akustične emisije (UAE). Općenito UAE mogu biti uzrokovane različitim prirodnim procesima unutar biljke. Raspoznavanje emisija uzrokovanih kavitacijom izrazito je korisno kod sustava za pametno navodnjavanje. Nedavnim istraživanjima razvijene su akustične metode u svrhu raspoznavanja različitih izvora UAE. Unutar ovog rada razvijena je metodologija prepoznavanja prirodnih grupa unutar skupa podataka UAE koje potencijalno odgovaraju pojedinim izvorima UAE. Odrađuje se ekstrakcija značajki UAE pomoću kojih se definiraju grupe. Početna analiza skupa značajki odrađuje se analizom principalnih komponenti. Grupiranje se odrađuje na temelju gustoće skupa značajki OPTICS algoritmom i gradijentnim grupiranjem. Uspješnost grupiranja za sve podskupove značajki procjenjuje se modificiranim DBCV algoritmom za validaciju grupiranja. Koristi se selekcija značajki na temelju ocjena grupiranja podskupova značajki od 3 dimenzije za izbor optimalnog podskupa značajki UAE. Izabrani podskup značajki formira distinktne grupe UAE koje potencijalno odgovaraju različitim izvorima UAE. Ekstrakcija te grupiranje optimalnog podskupa značajki implementira se na ugradbenom procesoru porodice Arm Cortex-M STM32L4. Ugradbene verzije algoritama prilagođene su za rad u stvarnom vremenu i sekvencionalni način rada. Završno provjerava se točnost ugradbene implementacije te analizira se trajanje izvođenja te potrošnja algoritma u obliku broja izvedenih instrukcija.

pametno navodnjavanje ; akustičke emisije ; kavitacija ; strojno učenje ; selekcija značajki ; OPTICS ; ekstrakcija značajki ; ugradbeni sustav

nije evidentirano