?

Детальная информация
Карточка Таблица RUSMARC

Шакиров, Эдуард Рафаэлевич. Интеллектуальная система фитосанитарного мониторинга для умных ферм = Intelligent phytosanitary monitoring system for smart farms: выпускная квалификационная работа бакалавра: направление 09.03.02 «Информационные системы и технологии: интернет-технологии и разработка web-приложений» / Э. Р. Шакиров; научный руководитель И. Н. Глухих; Тюменский государственный университет, Школа компьютерных наук. — Тюмень, 2024. — 1 файл (2,6 Мб). — Загл. с титул. экрана. — Доступ по паролю из сети Интернет (чтение). — Adobe Acrobat Reader 7.0. — <URL:https://library.utmn.ru/dl/Module_VKR_Tyumen/ShKn/2024/vr24-556.pdf>. — Текст: электронный

Дата создания записи: 05.09.2024

Тематика: интеллектуальные системы; фитосанитарный мониторинг; модуль компьютерного зрения; модель машинного обучения; нейросетевая модель; сбор данных; обучающий датасет; intelligent systems; phytosanitary monitoring; computer vision module; machine learning model; neural network model; data collection; training dataset

Коллекции: Выпускные квалификационные работы

Разрешенные действия: –

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Цель работы - разработка модуля компьютерного зрения для обеспечения функционирования интеллектуальной системы фитосанитарного мониторинга лаборатории X-BIO.

The aim of the work is to develop a computer vision module to ensure the functioning of intelligent phytosanitary monitoring system of X-BIO laboratory.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
ТюмГУ Все Прочитать
Интернет Читатели Прочитать
-> Интернет Анонимные пользователи

Оглавление

  • СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
  • ВВЕДЕНИЕ
  • ГЛАВА 1. ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ
    • 1.1. УМНЫЕ ФЕРМЫ
    • 1.2. ИСФСМ ВНУТРИ УМНОЙ ФЕРМЫ
    • 1.3. АНАЛИЗ И ВЫБОР МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ
  • ГЛАВА 2. СОЗДАНИЕ ДАТАСЕТОВ
    • 2.1. СБОР ДАННЫХ
    • 2.2. РАЗМЕТКА ДАННЫХ
    • 2.3. АУГМЕНТАЦИЯ
    • 2.4. ОРГАНИЗАЦИЯ ДАТАСЕТА
    • 2.5. ИТОГОВЫЕ ДАТАСЕТЫ И ИХ ОПИСАНИЕ
  • ГЛАВА 3. ОБУЧЕНИЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ И РЕЗУЛЬТАТ ИХ РАБОТЫ
    • 3.1. СРЕДА ОБУЧЕНИЯ
    • 3.2. ОБУЧЕНИЕ МОДЕЛЕЙ
    • 3.3. РЕЗУЛЬТАТЫ РАБОТЫ МОДЕЛЕЙ
  • ГЛАВА 4. РАЗРАБОТКА МОДУЛЯ КОМПЬЮТЕРНОГО ЗРЕНИЯ
    • 4.1. ТРЕБОВАНИЯ
    • 4.2. ПРОЕКТИРОВАНИЕ
      • 4.2.1. АНАЛИЗ ПРЕЦЕДЕНТОВ
      • 4.2.2. ДИАГРАММА КЛАССОВ
    • 4.3. РЕАЛИЗАЦИЯ
      • 4.3.1. ИНСТРУМЕНТЫ
      • 4.3.2. РАБОТА СЕРВИСА
  • ЛИЧНЫЙ ВКЛАД КАЖДОГО УЧАСТНИКА В ВЫПОЛНЕНИИ ВКР
  • ЗАКЛЮЧЕНИЕ
  • ПРИЛОЖЕНИЕ 1
  • ПРИЛОЖЕНИЕ 2
  • БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Статистика использования

stat Количество обращений: 7
За последние 30 дней: 0
Подробная статистика