Software for weed detection in cabbage fields

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60460709%3A41310%2F25%3A103304" target="_blank" >RIV/60460709:41310/25:103304 - isvavai.cz</a>

Alternative codes found

RIV/60460709:41210/25:103304 RIV/60460709:41110/25:103304

Result on the web

<a href="https://github.com/Jabkin1/Model_showcase" target="_blank" >https://github.com/Jabkin1/Model_showcase</a>

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Software detekce plevelů v porostu zelí

Original language description

Tento software je navržen jako nástroj na bázi strojového učení pro zemědělce, který slouží k detekci a identifikaci plevelů v zeleninových porostech, s hlavním zaměřením na porosty zelí. Využívá sílu moderních open source knihoven, jako jsou NumPy, OpenCV a Ultralytics, a kombinuje je pro analýzu obrazových dat. Srdcem softwaru je neuronová síť YOLOv10, která byla optimalizována pro vysokou přesnost detekce plevelů a efektivní implementaci pro vícekanálové snímky. Nástroj díky tréninku na velkém objemu vizuálních dat podporuje zpracování obrazů obsahujících jak standardní RGB kanály, tak i NIR (blízké infračervené) spektrum, což zajišťuje vyšší spolehlivost v eliminaci necílových prvků obrazu, jako je půda. Software je schopen rozpoznat 11 hlavních druhů plevelů, dvě širší skupiny necílových rostlin a jejich kombinace, což usnadňuje přesné a rychlé rozhodování v terénu. Díky využití otevřených technologií je tento software flexibilní a rozšiřitelný, což umožňuje jeho přizpůsobení různým potřebám zemědělských podniků.

Czech name

Software detekce plevelů v porostu zelí

Czech description

Tento software je navržen jako nástroj na bázi strojového učení pro zemědělce, který slouží k detekci a identifikaci plevelů v zeleninových porostech, s hlavním zaměřením na porosty zelí. Využívá sílu moderních open source knihoven, jako jsou NumPy, OpenCV a Ultralytics, a kombinuje je pro analýzu obrazových dat. Srdcem softwaru je neuronová síť YOLOv10, která byla optimalizována pro vysokou přesnost detekce plevelů a efektivní implementaci pro vícekanálové snímky. Nástroj díky tréninku na velkém objemu vizuálních dat podporuje zpracování obrazů obsahujících jak standardní RGB kanály, tak i NIR (blízké infračervené) spektrum, což zajišťuje vyšší spolehlivost v eliminaci necílových prvků obrazu, jako je půda. Software je schopen rozpoznat 11 hlavních druhů plevelů, dvě širší skupiny necílových rostlin a jejich kombinace, což usnadňuje přesné a rychlé rozhodování v terénu. Díky využití otevřených technologií je tento software flexibilní a rozšiřitelný, což umožňuje jeho přizpůsobení různým potřebám zemědělských podniků.

Type

R - Software

CEP classification

—

OECD FORD branch

40101 - Agriculture

Project

<a href="/en/project/QK22010348" target="_blank" >QK22010348: Autonomous systems as tools for integrated vegetable production.</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2025

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Internal product ID

SW2025_1_3

Technical parameters

Systém je navržen jako softwarové řešení založené na metodách strojového vidění a hlubokých neuronových sítí. Jádrem aplikace je detekční model YOLOv10 implementovaný pomocí knihovny Ultralytics, který umožňuje rychlou a přesnou detekci objektů v reálném čase. Software podporuje zpracování RGB i multispektrálních obrazů včetně NIR kanálu a je optimalizován pro běh na platformách Windows, Linux a macOS. Pro akceleraci výpočtů je doporučeno využití grafické karty NVIDIA s podporou CUDA. Aplikace je vyvíjena v jazyce Python a využívá knihovny NumPy a OpenCV pro zpracování obrazových dat.

Economical parameters

Zavedení systému přináší významné ekonomické přínosy především díky možnosti cílených a selektivních zásahů v porostu. Přesná lokalizace jednotlivých rostlin umožňuje bodovou aplikaci přípravků, hnojiv a pomocných látek pouze do míst, kde jsou skutečně potřeba, čímž dochází k výraznému snížení spotřeby vstupních prostředků a provozních nákladů. Současně se omezuje zatížení půdy a okolního prostředí chemickými látkami. Digitalizace porostu a přesná data o poloze rostlin vytvářejí ideální základ pro nasazení autonomních a robotických systémů, které mohou provádět zásahy s vysokou přesností a bez zbytečných přejezdů. To vede ke zvýšení produktivity práce, snížení nároků na obsluhu.

Owner IČO

60460709

Owner name

ČZU v Praze