Obrada podataka na rubnom čvoru korištenjem modela strojnog učenja u području pametne poljoprivrede

master's thesis

• Title (english): Data processing in edge node using machine learning model in smart agriculture
• Author: Dominik Sabljak
• Mentor: Gordan Ježić (mentor)
• Committee member: Gordan Ježić (predsjednik povjerenstva)
• Committee member: Mario Kušek (član povjerenstva)
• Committee member: Krunoslav Tržec (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2022-07-07, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Electrical Engineering

Abstract

Internet stvari tehnologija je koja sve više pronalazi svoju primjenu u svakodnevnici. Jedno od područja u kojoj je od velike koristi je poljoprivreda. Razvija se područje pametne poljoprivrede kojoj je cilj optimizirati i poboljšati procese na način da se iz poljoprivrede izvuče maksimum, a da se pri tome uštedi na resursima, bilo ljudskim, bilo materijalnim. Obrada na rubu općenito je od velike važnosti zbog brže obrade podataka i bržeg djelovanja. Strojno učenje također je tehnologija koja raste i zadire u svaki kutak života. U radu su istražene njegove primjene u sklopu Interneta stvari u pametnoj poljoprivredi. Također, istreniran je model strojnog učenja koristeći algoritam nasumične šume čiji je cilj predvidjeti količinu usjeva na temelju očitanih vrijednosti sa simuliranog senzora. Predviđanje i primanje podataka vrši se na rubnom čvoru. Rezultati pokazuju da model može predvidjeti u kojem periodu postoje usjevi, no slabije predviđa konkretnu vrijednost količine usjeva. Opisana su moguća poboljšanja koja bi mogla rezultirati točnijim predviđanjima.

Abstract (english)

The Internet of Things is a technology that is increasingly finding its use in everyday life. One of the areas where it is of great benefit is agriculture. The area of smart agriculture is being developed, the goal of which is to optimize and improve processes in such a way as to get the most out of agriculture, while saving on resources, either human or material. Edge computing is generally of great importance for faster computing and action. Machine learning is also a technology that is growing and penetrating every corner of life. The paper investigates its use within the Internet of Things in smart agriculture. Also, a machine learning model was trained using a random forest algorithm aimed at predicting crop yield based on values read from a simulated sensor. Predicting and receiving data is done at the edge node. The results show that the model can predict in which period the crops are present, but less predicts the specific value of the amount of crops. Possible improvements that could result in more accurate predictions are described.

• Keywords: Internet stvari; obrada na rubu; pametna poljoprivreda; strojno učenje; nasumična šuma
• Keywords (english): Internet of Things; edge computing; smart agriculture; machine learning; random forest
• Language: croatian
• URN:NBN: urn:nbn:hr:168:616750
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-14 09:52:20