Primjena tehnika dubokog učenja u okruženju automatizacije doma u sustavima interneta stvari

diplomski rad

• Naslov (engleski): Deep Learning Applications in IoT Environments for Home Automation
• Autor: Zvonimir Relja
• Mentor: Josip Knezović (mentor)
• Član povjerenstva: Josip Knezović (predsjednik povjerenstva)
• Član povjerenstva: Ivana Bosnić (član povjerenstva)
• Član povjerenstva: Igor Čavrak (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom projektu, tehnologija dubokog učenja koristi se za stvaranje specifičnog
okruženja za inteligentni kućni sustav koji otkriva i prepoznava kretanje na ulaznim
vratima i vanjskoj balkonskoj ogradi.
Kako bi se uspješno ispunili svi zahtjevi
projekta, koriste se dva ESP32 mikrokontrolera, dva detektora pokreta, dvije kamere,
jedan Bluetooth zvučnik i stroj s najmanje 1000 megabajta radne memorije.
Uspostavljeni sustav treba pozdraviti poznatu osobu na ulaznim vratima, upozoriti
vlasnika kuće na moguću prijetnju ili samo otjerati pticu s vanjske ograde na balkonu.
Korištena su razna softverska rješenja i metode dubokog učenja; protokoli HTTP i
MQTT, prepoznavanje lica i metode otkrivanja objekata, openHAB sustav, Telegram
aplikacija, Django softver i razne Python knjižnice.

Sažetak (engleski)

In this project, deep learning technology is used to create a specific home IoT
environment that would detect and identify the movement at the front door and at
the outdoor balcony fence. To successfully meet all the claims of the project, two
ESP32 microcontrollers, two motion detectors, two cameras, one Bluetooth speaker,
and a machine with at least 1000 megabytes of RAM are used. Established IoT system
needs to greet a familiar person at the front door, warn a homeowner of a possible
threat, or just repeal a bird from the outdoor balcony fence. Various software solutions
and deep learning methods were used; protocols HTTP and MQTT, face recognition
and object detection methods, openHAB architecture, Telegram application, Django
software, and various Python libraries.

• Ključne riječi: duboko učenje; kućna automatizacija; internet stvari
• Ključne riječi (engleski): deep learning; home automation; Internet of Things
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:659355
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-14 00:25:24