Naslov
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
(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)

Autori
Kos, Tomislav ; Šikić, Zoran ; Gašparović Pinto, Ana ; Zorica , Marko ; Marcelić, Šime ; Dabčević, Alen

Vrsta, podvrsta i kategorija rada
Sažeci sa skupova, sažetak, znanstveni

Izvornik
55. hrvatski i 15. međunarodni Simpozij Agronoma / Boro Mioč, Ivan Širić - Zagreb : Agronomski fakultet Sveučilišta u Zagrebu, 2020, 271-272

Skup
55. hrvatski i 15. međunarodni simpozij agronoma

Mjesto i datum
Vodice, Hrvatska, 16.02.2020. - 21.02.2020

Vrsta sudjelovanja
Poster

Vrsta recenzije
Domaća recenzija

Ključne riječi
maslina, neuronska mreža, paunovo oko, RGB, SAN, Zadarska županija
(neural network, olive, olive leaf spot, RGB, SAN, Zadar county)

Sažetak
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)).

Izvorni jezik
Hrvatski

Znanstvena područja
Poljoprivreda (agronomija)

POVEZANOST RADA