Pregled bibliografske jedinice broj: 1253908
Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje
Izvedba metode strojnog učenja za razlikovanje izvora akustičkih emisija u biljnim tkivima na ugradbenom sustavu niske potrošnje, 2022., diplomski rad, diplomski, Fakultet elektrotehnike i računarstva, Zagreb
CROSBI ID: 1253908 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Izvedba metode strojnog učenja za razlikovanje
izvora akustičkih emisija u biljnim tkivima na
ugradbenom sustavu niske potrošnje
(Implementation of a Machine Learning Method for
Differentiation of Acoustic Emission Sources in
Plant's Tissues on Low-power Embedded System)
Autori
Gracin, Renato
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski
Fakultet
Fakultet elektrotehnike i računarstva
Mjesto
Zagreb
Datum
07.07
Godina
2022
Stranica
94
Mentor
Oletić, Dinko
Ključne riječi
pametno navodnjavanje ; akustičke emisije ; kavitacija ; strojno učenje ; selekcija značajki ; OPTICS ; ekstrakcija značajki ; ugradbeni sustav
(smart irrigation ; acoustic emissions ; cavitation ; machine learning ; feature selection ; OPTICS ; feature extraction ; embedded system)
Sažetak
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.
Izvorni jezik
Hrvatski
Znanstvena područja
Elektrotehnika, Računarstvo
POVEZANOST RADA
Projekti:
HRZZ-IP-2016-06-8379 - Napredni senzorski sustavi za precizno navodnjavanje u krškom krajobrazu (SENSIRRIKA) (Bilas, Vedran, HRZZ ) ( CroRIS)
Ustanove:
Fakultet elektrotehnike i računarstva, Zagreb
Profili:
Dinko Oletić (mentor)