Detail práce

Využití strojového učení k rozpoznání pohybu feederového prutu

Diplomová práce Student: Vele Patrik Akademický rok: 2021/2022 Vedoucí: Šimek Václav, Ing.
Název anglicky
Exploitation of Machine Learning for Identification of Feeder Rod Movement
Jazyk práce
český
Abstrakt

Cílem této diplomové práce je vytvořit zařízení, které využívá metody strojového učení k rozpoznávání pohybů feederového rybářského prutu na základě dat z inerciální měřící jednotky. Úvodní část je věnována rybolovné technice feeder, výběru důležitých pohybů a možnostem upevnění detekčního zařízení na prut. Následuje vytvoření teoretického základu v oblasti strojového učení, seznámení s inerciální měřicí jednotkou a problematikou klasifikace. Obdržené znalosti jsou použity k výběru vhodných technik pro řešení úlohy rozpoznávání pohybů prutu. V praktické části je navrženo a vytvořeno detekční zařízení založené na platformě ESP32. To je nejprve používáno jako snímač pohybu, který v kombinaci se zpracováním naměřených hodnot slouží jako generátor trénovací datové sady. Práce pokračuje implementací konvoluční neuronové sítě, procesem učení na vytvořené datové sadě a integrací nejúspěšnějšího modelu do detekčního zařízení. Závěr je věnován testování v praxi, vyhodnocení a možnostem budoucího vývoje. Výsledkem je malé, bateriově napájené zařízení, které po připevnění na libovolný feederový prut poskytuje vysoce úspěšnou detekci všech klíčových pohybů během lovu. Navíc díky bezdrátové komunikaci přes ESP-NOW umožňuje odesílat výsledky na různá zařízení.

Klíčová slova

Feeder, detekce pohybu, strojové učení, Tiny Machine Learning, konvoluční neuronová síť, vestavěný systém, ESP32, datová sada, ESP-NOW, TensorFlow Lite, Google Colaboratory, PlatformIO.

Ústav
Studijní program
Informační technologie, obor Počítačové a vestavěné systémy
Soubory
Stav
obhájeno, hodnocení C
Obhajoba
17. června 2022
Oponent
Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C.

Otázky u obhajoby
  1. Jak si vysvětlujete, že úspěšnost klasifikace Vám vyšla 100%? Došlo k přetrénování nebo je řešená úloha triviální?
  2. Proč vstupuje do neuronové sítě okno pevné velikosti, které je kratší, než-li maximální délka trvání detekované události?
  3. Vysvětlete, co je cílem filtrace v kapitole 10 a proč byly parametry voleny tak, jak je uvedeno v kapitole 10.
  4. Jak velká byla testovací sada?
  5. Zvažoval jste jiné techniky než konvoluční neuronové sítě?
  6. Jak vaše zařízení svojí hmotností ovlivní dynamiku prutu?
Komise
Kořenek Jan, doc. Ing., Ph.D. (UPSY FIT VUT), předseda
Drábek Vladimír, doc. Ing., CSc. (UPSY FIT VUT), člen
Jaroš Jiří, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Lengál Ondřej, Ing., Ph.D. (UITS FIT VUT), člen
Martínek Tomáš, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Strnadel Josef, Ing., Ph.D. (UPSY FIT VUT), člen
Citace
VELE, Patrik. Využití strojového učení k rozpoznání pohybu feederového prutu. Brno, 2022. Diplomová práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2022-06-17. Vedoucí práce Šimek Václav. Dostupné z: https://www.fit.vut.cz/study/thesis/25142/
BibTeX
@mastersthesis{FITMT25142,
    author = "Patrik Vele",
    type = "Diplomov\'{a} pr\'{a}ce",
    title = "Vyu\v{z}it\'{i} strojov\'{e}ho u\v{c}en\'{i} k rozpozn\'{a}n\'{i} pohybu feederov\'{e}ho prutu",
    school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
    year = 2022,
    location = "Brno, CZ",
    language = "czech",
    url = "https://www.fit.vut.cz/study/thesis/25142/"
}
Nahoru