Semantičko mapiranje za manipuliranje u interakciji s okolinom

diplomski rad

• Naslov (engleski): Semantic mapping for manipulation through interaction
• Autor: Matija Kunštek
• Mentor: Matko Orsag (mentor)
• Član povjerenstva: Matko Orsag (predsjednik povjerenstva)
• Član povjerenstva: Stjepan Bogdan (član povjerenstva)
• Član povjerenstva: Zdenko Kovačić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-09-21, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

U ovom diplomskom radu istražena je i implementirana mreža dubokog učenja na način da se može upotrijebiti u zadatku semantičke segmentacije. Svrha toga je povećanje autonomije u području agrikulture. Kako bi se korištena mreža adaptirala i evaluirala definirali su se odgovarajući skupovi podataka s različitim evaluacijskim zadacima. Za implementaciju odabrane neuronske mreže koristio se Python programski jezik u kombinaciji s TensorFlow platformom, dok su Capsicum annuum i fikus biljke korištene u obliku skupa podataka za treniranje i testiranje. Kako bi se testirale mogućnosti povezivanja mreže s korištenim robotskim manipulatorom primijenilo se Gazebo simulacijsko okruženje u kombinaciji s ROS operacijskim sustavom. U konačnici su i predložene mogućnosti za daljnje unapređivanje autonomije u području agrikulture.

Sažetak (engleski)

In this master's thesis, a deep learning neural network is explored and implemented in such a way that it can be used in a semantic image segmentation task to increase autonomy in the field of agriculture. In order to adapt and evaluate the utilized network in the field of agriculture, appropriate datasets with various evaluation tasks were defined. For the implementation of the selected deep learning neural network, the Python programming language combined with the TensorFlow machine learning platform was utilized, while the Capsicum annuum and ficus plants were employed in the form of training and testing datasets. In order to assess the network's feasibility with the used robotic manipulator, the Gazebo simulation environment with the ROS operating system was utilized. Finally, possibilities for further improvements in agriculture were proposed.

• Ključne riječi: duboko učenje neuronskim mreža; semantička segmentacija; DeepLabV3+; agrikultura; robotski manipulator
• Ključne riječi (engleski): deep learning neural networks; semantic segmentation; DeepLabV3+; agriculture; robotic manipulator
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:872468
• Studijski program: Naziv: Elektrotehnika i informacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 12:50:57