Naslov
Prvi rezultati prepoznavanja ulova maslinine muhe na žutim pločama obradom slika s primjenom tehnika umjetne inteligencije
(First results of recognition of olive fly captures on yellow plates through image processing using artificial intelligence techniques)

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

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

Izvornik
Zbornik sažetaka 65. seminara biljne zaštite / Bažok, Renata - Zagreb : Hrvatsko društvo biljne zaštite, 2022, 24-25

Skup
65. seminar biljne zaštite (HDBZ 2022)

Mjesto i datum
Opatija, Hrvatska, 06.12.2022. - 09.12.2022

Vrsta sudjelovanja
Predavanje

Vrsta recenzije
Recenziran

Ključne riječi
Image recognition, Maslinina muha, umjetna inteligencija, žute ploče
(Image recognition, Olive fly, artificial intelligence, yellow plates)

Sažetak
Precizna poljoprivreda predstavlja načine uzgoja, koji postepeno mijenjaju tradicionalnu poljoprivredu, kroz uvođenje visokih tehnologija. Jedna od njih je i obrada vizualnih podataka u vidljivom spektru (Red Green Blue (RGB) slika). Obrada je bazirana na tehnikama koje provodi autonomna umjetna inteligencija (AI), neovisna o čovjeku. AI tehnologije imaju bržu obradu podataka i detaljniji pregled objekata, znatno precizniji od pregleda „golim okom“. Upravo zbog toga, precizna poljoprivreda pripada u treći val agronomske revolucije, iza mehaničke i kemijske. Maslina je značajna mediteranska kultura. Za uvođenje precizne poljoprivrede izuzetno interesantna jer traži pravovremenu prognozu pojave štetnih organizama. Cilj rada je prikazati preliminarna istraživanja obrade vizualnih podataka u svrhu rane prognoze pojave maslinine muhe (Bactrocera oleae (Rossi 1790)). Istraživanja se provode u sklopu projekta „SAN – Smart Agriculture Network“ (SAN - KK.01.2.1.01.0100) u Zadarskoj županiji na slobodno odabranim lokalitetima s različitim sortama maslina. Za potrebe razvoja modela korišteni su programski jezici Python i C++, te različiti oblici programske podrške (TensorFlow, Scikit, itd.). Za potrebe učenja i klasifikacije primjenom RGB slika prikupljeno je 1.500 slika žutih ploča 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 (Labeling) pojedinačne ploče. Rezultati dobiveni primjenom ovih tehnika doveli su do razvoja modela koji sa udjelom od 83% pouzdanosti može prepoznati odraslu jedinku maslinine muhe na slici uzetoj u RGB formatu. Uz narednu nadopunu baze slikama namijenjenim za prepoznavanje iz koje se strojnim učenjem nastavlja razvoj modela, očekuje se kroz vrijeme veća pouzdanost točnosti. Uz razvoj modela razvijen je i prototip kamere koja će biti postavljena u masliniku kroz cijelu godinu, a osobito u vrijeme pojave maslinine muhe. Ona će slikati žute ploče u jednakim vremenskim intervalima i tako skratiti vrijeme potrebno za obilaske i preglede te utvrđivanje potreba za provedbom mjera suzbijanja ovog štetnika.

Izvorni jezik
Hrvatski

Znanstvena područja
Poljoprivreda (agronomija), Informacijske i komunikacijske znanosti

POVEZANOST RADA