Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003197, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Модель реального часу для автоматичного виявлення бур'янів в умовах обмежених обчислюваних ресурсів Автор Коробій Максим РуслановичKorobii Maksym Ruslanovych Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76086 Видання Київ Опис Дипломна робота: 114 стор., 16 рис., 17 табл., 2 дод., 30 джерел. Тема: Модель реального часу для автоматичного виявлення бур'янів в умовах обмежених обчислювальних ресурсів. Робота присвячена розробці та оптимізації моделі комп'ютерного зору для виявлення бур'янів у сільськогосподарських угіддях. Запропоновано легку архітектуру нейронної мережі, яка забезпечує швидку обробку зображень при збереженні високої точності розпізнавання. Об'єкт дослідження: процес автоматичного виявлення бур'янів на сільськогосподарських полях за допомогою комп'ютерного зору. Предмет дослідження: методи та алгоритми оптимізації глибинних нейронних мереж для роботи в умовах обмежених обчислювальних ресурсів. Мета роботи: розробка ефективної моделі реального часу для виявлення бур'янів, що може працювати на пристроях з обмеженими обчислювальними можливостями. Diploma Thesis: 114 p., 16 fig., 17 tabl., 2 app., 30 references. Theme: Real-time Model for Automatic Weed Detection Under Limited Computational Resources.The work focuses on developing and optimizing a computer vision model for weed detection in agricultural fields. A lightweight neural network architecture is proposed that enables fast image processing while maintaining high recognition accuracy. Object of research: the process of automatic weed detection in agricultural fields using computer vision. Subject of research: methods and algorithms for optimizing deep neural networks to operate under limited computational resources. Purpose: development of an efficient real-time model for weed detection capable of running on devices with limited computational capabilities. Додано в НРАТ 2025-11-05 Закрити