ZNANSTVENI I STRUČNI NAPREDAK U PROVOĐENJU PROJEKTA SAN (SMART AGRICULTURE NETWORK) Tomislav Kos1, Zoran Šikić1, Šime Marcelić1, Ana Gašparović Pinto1, Marko Zorica1, Šimun Kolega1 1Odjel
za ekologiju, agronomiju i akvakulturu Sveučilišta u Zadru, Trg Krneza Višeslava 9, Hrvatska
Zadružni savez Dalmacije Noćnjak 2021 27. do 30. travnja 2021.
Cilj rada je prikazati preliminarna istraživanja obrade meteoroloških i vizualnih podataka u svrhu rane prognoze potrebe za navodnjavanjem i pojave štetnih organizama na maslini i to maslinine muhe (Bactrocera oleae (Rossi)) i paunovog oka (Spilocaea oleaginea (Castagne) Hughes). Drugi cilj je upoznati stručnu javnost o budućem značaju SAN aplikacije.
Istraživanja se provode u sklopu projekta „SAN – Smart Agriculture Network“ (SAN KK.01.2.1.01.0100) u Zadarskoj županiji na slobodno odabranim sortama masline.
Razvijamo vlastiti hardver za prijenos senzorskih podataka do SAN centra. Strojno učenje AI (umjetna inteligencija) radimo na razvoju automatskih modela prepoznavanja potreba masline za vodom analizom meteoroloških podataka u realnom vremenu.
AGRONOMSKI SEGMENT - SENZORI
Razvijamo svoju kameru koja će obuhvatiti nekoliko načina prikupljanja slikovnih materijala, (RGB, HSY) Strojno učenje AI (umjetna inteligencija) radimo na razvoju automatskih modela prepoznavanja štetnih organizama analizom vizualnih podataka u realnom vremenu.
HARDVERSKI IT SEGMENT - KAMERA
Za potrebe učenja i klasifikacije primjenom RGB (Red Green Blue) i HSY (Hyperspectral imaging) slika prikupljeno je 1.500, odnosno 500 slika listova 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) pojedinačnog lista.
Za potrebe razvoja modela korišteni su programski jezici Python i C++, te različiti oblici programske podrške (TensorFlow, Scikit, itd.).
PROIZVOĐAČ HRANE
Koncept „Istraživanje s uključivanjem”
U svrhu uspostave preciznosti određivanja ulova na pločama na terenu uzimaju se uzorci RGB slika (razvoj kamere koja se postavlja u maslinik). Pomoću programa za anotiranje označava se ulov maslinine muhe i određuje razina točnosti neuronske mreže.
ISTRAŽIVAČ
SAVJETODAVAC
• Preciznost ANN za prognozu maslinine muhe na terenu nije još završena jer su modeli u razradi.
U svrhu uspostave preciznosti određivanja zaraze paunovim okom na terenu uzimaju se uzorci RGB slika kao i HSY. Pomoću programa za anotiranje označavaju se zdravi i bolesni listovi i određuje razina točnosti neuronske mreže. • Preciznost ANN za prognozu RGB paunovog oka je preko 90% na terenu. • Preciznost ANN za prognozu HSY paunovog oka izuzetno varira.
HSY
RGB
SAN CENTAR serverski sustav (aplikacijski server, server baze podataka, server za produkciju gotovih modela, itd.), SAN mobilnu aplikaciju,
SAN sustav razvoja modela baziranih na strojnom učenju, itd.
IT SEGMENT
Izv. prof. dr. sc. Tomislav Kos Koordinator rada znanstvenog tima Izv. prof. dr. sc. Zoran Šikić Nadzor rada znanstvenog tima Šime Marcelić, dipl. ing. agr. doktorand Suradnik na projektu Šimun Kolega, dipl. ing. agr. doktorand Suradnik na projektu Ana Gašparović Pinto, dipl. ing. agr. Suradnik na projektu Marko Zorica, bacc. agr. Suradnik na projektu Odjel za ekologiju, agronomiju i akvakulturu Sveučilišta u Zadru Trg kneza Višeslava 9, 23 000 Zadar
ZAHVALJUJEMO NA POZORNOSTI !
Zadružni savez Dalmacije Noćnjak 2021 27. do 30. travnja 2021.