Mašīnmācīšanās balstīta mērījumu novērtēšanas pieeja precīzajai lauksaimniecībai

Promocijas darba kopsavilkums

Artūrs Ķempelis, Rīgas Tehniskā universitāte, Latvija
ORCID iDhttps://orcid.org/0000-0001-7593-5618

Promocijas darbā piedāvāta dziļās mācīšanās pieeja, kas ļauj novērtēt vairākus mikroklimata mērījumus, izmantojot termiskā starojuma attēlus, samazinot tiešo sensoru mērījumu nepieciešamību. Darbā izstrādāts atvērtā pirmkoda prototipa datu ievākšanas modulis, kas nodrošināja automatizētu radiometrisko termoattēlu un tiem laikā sakritīgu gaisa temperatūras, relatīvā gaisa mitruma, augsnes mitruma un apgaismojuma mērījumu ievākšanu. Apmācīti un salīdzināti trīs dziļās mācīšanās modeļi – konvolūciju neironu tīkls, redzes transformers un hibrīdais konvolūciju redzes transformers.

Papildus informācija

Izdevuma tips

DOI

https://doi.org/10.7250/9789934373176

Aizstāvēšanas datums

03.07.2026.

Formāts

ISBN (pdf)

Lappušu skaits

52

Publicēšanas datums

Publicēts tiešsaistē

Valoda

Izdevējs

RTU Izdevniecība

Publicēšanas valsts

Latvija