Využití neuronových sítí pro vyhodnocování sazenic stromků

Chrástek, Benjamín

Využití neuronových sítí pro vyhodnocování sazenic stromků

DSpace Repository

Language: English čeština

Využití neuronových sítí pro vyhodnocování sazenic stromků

dc.contributor.advisor	Chalupa, Petr
dc.contributor.author	Chrástek, Benjamín
dc.date.accessioned	2025-05-28T06:24:04Z
dc.date.available	2025-05-28T06:24:04Z
dc.date.issued	2024-12-13
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/56859
dc.description.abstract	V této práci bylo vytvořeno několik modelů klasifikačních neuronových sítí pro účel třídění sazenic stromků. Práce se nejdříve zabývá problematikou třídění sazenic a tím, jak jsou sazenice hodnoceny. Je vytvořena literární rešerše různých aplikací používající neuronové sítě k provedení kontroly produktů. Je popsán přesný postup tvoření těchto modelů, od trénování až po inferenci. Výstupem práce bylo několik modelů dosahující F1-score nad hodnotu 95 %, což lze považovat za úspěšné vytvoření aplikací pro třídění sazenic pomocí neuronových sítí.
dc.format	87 s.
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	sazenice	cs
dc.subject	třídění	cs
dc.subject	strojové učení	cs
dc.subject	neuronové sítě	cs
dc.subject	nursery plants	en
dc.subject	sorting	en
dc.subject	machine learning	en
dc.subject	neural networks	en
dc.title	Využití neuronových sítí pro vyhodnocování sazenic stromků
dc.title.alternative	Use of neural networks for evaluating tree seedlings
dc.type	bakalářská práce	cs
dc.contributor.referee	Novák, Jakub
dc.description.abstract-translated	In this paper, several classification neural network models were developed for the purpose of tree seedling classification. The paper first deals with the problem of seedling classification and how seedlings are evaluated. A literature search is made of various applications using neural networks to perform product inspection. The exact process of forming these models, from training to inference, is described. The work resulted in several models achieving F1-scores above 95 %, which can be considered as a successful creation of seedling grading applications using neural networks.
dc.description.department	Ústav automatizace a řídicí techniky
dc.thesis.degree-discipline	Průmyslová automatizace	cs
dc.thesis.degree-discipline	Industrial Automation	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Bc.
dc.thesis.degree-program	Aplikovaná informatika v průmyslové automatizaci	cs
dc.thesis.degree-program	Applied Informatics in Industrial Automation	en
dc.identifier.stag	69230
dc.date.submitted	2025-05-27