prikaz prve stranice dokumenta Nadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
diplomski rad
Nadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije
2021. urn:nbn:hr:179:046157
Matić, Luka
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za elektroniku i računarstvo

Citirajte ovaj rad

Matić, L. (2021). Nadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije (Diplomski rad). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:046157

Matić, Luka. "Nadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:046157

Matić, Luka. "Nadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:046157

Matić, L. (2021). 'Nadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije', Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 20.11.2024., https://urn.nsk.hr/urn:nbn:hr:179:046157

Matić L. Nadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije [Diplomski rad]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2021 [pristupljeno 20.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:046157

L. Matić, "Nadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije", Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:046157

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:046157
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovNadzor pomorskog prometa u lukama korištenjem algoritama umjetne inteligencije
Naslov (engleski)Ports maritime traffic monitoring using artificial intelligence algorithms
AutorLuka Matić
MentorSven Gotovac (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za elektroniku i računarstvo )
Split
Datum i država obrane2021-07-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U radu je prikazana realizacija sustava temeljenog na umjetnoj inteligenciji i strojnom učenju za prepoznavanje brodova i brodica u luci Split, sa ciljem nadzora pomorskog prometa. Sustav je baziran na video nadzoru, te je s ciljem zadovoljavajuće pokrivenosti područja luke, odabrana lokacija za smještaj kamere na Koteksovom neboderu. Za algoritam detekcije odabran je YOLOv5, i to njegova inačica YOLOv5x. Izrađena je baza slika za treniranje i videozapisa za testiranje. Baza slika sadržava 324 fotografije od kojih se 256 koristiti za treniranje, a 68 za validaciju modela tijekom treniranja. Slike sadržavaju prikaz svih vremenskih uvjeta i svih doba dana. Treniranjem modela postignuti su sljedeće mjere uspješnosti: mAP_0.5=95.1%, mAP_0.5:0.95=61.91%. Analizirajući ovisnost preciznosti i odziva treniranog modela odabran je optimalni prag pouzdanosti od 60%. Konačno testiranje istreniranog modela provedeno je na brojnim videima, te je utvrđeno kako model detektira sve brodove, te ih ispravno klasificira kao trajekte ili katamarane ili ostale brodove.
Sažetak (engleski)
The paper presents the implementation of a system based on artificial intelligence and machine learning for ship recognition in the port of Split, with the aim of monitoring maritime traffic. The system is based on video surveillance, and to achieve the coverage of the port area, the camera is placed on the Koteks skyscraper. YOLOv5, its version YOLOv5x, was chosen for the detection algorithm. A database of images for training and videos for testing was created. The image database contains 324 photographs of which 256 are used for training and 68 for model validation during training. The images show all weather conditions and all parts of day. The following object detection metrics were achieved by training the model: mAP_0.5 = 95.1%, mAP_0.5: 0.95 = 61.91%. Analysing the dependence of precision and recall of the trained model, the optimal confidence threshold of 60% was selected. The final testing of the trained model was conducted on numerous videos, and it was determined that the model detects all ships, and correctly classifies them as ferries or catamarans or other ships.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:179:046157
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. com.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-11-25 13:24:05