Robotická platforma pro monitorování stresu rostlin: tvorba obrazového datasetu a aplikace metod umělé inteligence

Abstract

Tato diplomová práce se zabývá návrhem a realizací robotické platformy pro monitoring a klasifikaci vitality rostlin. Hlavním přínosem je integrace AI akcelerátoru Hailo-8L k řídicímu systému Raspberry Pi 5, což umožňuje efektivní využití metod umělé inteligence pro úlohy zpracování obrazu pomocí konvolučních sítí přímo na zařízení. Pro účely práce byl upraven hardware robota, zejména integrací průmyslové kamery a senzorického vybavení. Pro klasifikaci stavu rostlin (zdravá/usychající) byl vytrénován model s architekturou ResNet-18 na vlastním obrazovém datasetu. Softwarová část zahrnuje vytvoření řídicí aplikace v jazyce Python s grafickým uživatelským rozhraním. Funkčnost systému byla ověřena testováním v reálném provozu. Hlavním výsledkem práce je funkční aplikace umožňující komplexní řízení platformy a automatizovanou diagnostiku stavu rostlin.

This master thesis focuses on the design and implementation of a robotic platform for monitoring and classifying plant vitality. The main contribution is the integration of the Hailo-8L AI accelerator with the Raspberry Pi 5 control system, enabling the efficient application of artificial intelligence methods for image processing tasks using convolutional neural networks directly on the device. For the purposes of this work, the robot's hardware was modified, specifically through the integration of an industrial camera and sensor equipment. To classify plant status (healthy/stressed), a ResNet-18 model was trained on a custom image dataset. The software development includes a control application written in Python featuring a graphical user interface. The system's functionality was verified through real-world testing. The primary outcome of this work is a functional application enabling comprehensive platform control and automated plant health diagnosis.