<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=149399"><dc:title>Algoritem strojnega učenja za sledenje roja mobilnih milirobotov</dc:title><dc:creator>Kleva,	Brian	(Avtor)
	</dc:creator><dc:creator>Vrabič,	Rok	(Mentor)
	</dc:creator><dc:creator>Škulj,	Gašper	(Komentor)
	</dc:creator><dc:subject>računalniški vid</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>nevronska mreža</dc:subject><dc:subject>YOLOv5</dc:subject><dc:subject>detekcijski algoritem</dc:subject><dc:subject>algoritem sledenja</dc:subject><dc:description>Strojno učenje, podveja umetne inteligence, se je v zadnjih letih uveljavilo kot obetavno
orodje s sposobnostjo inoviranja industrij, lajšanja vsakdana ter oblikovanja prihodnosti
družbe. Zaradi njegovega izjemnega računalniškega potenciala se strojno učenje vedno
pogosteje pojavlja tudi za reševanje problemov v večrobotskih sistemih. Detekcijski
algoritem YOLOv5 smo s pomočjo strojnega učenja izurili za prepoznavanje milirobotov z
računalniškim vidom. Izdelali smo program v programskem jeziku Python, ki s pomočjo
izurjenega detekcijskega algoritma in algoritma sledenja DeepSORT omogoča detekcijo in
sledenje posameznih milirobotov v roju. Program shranjuje podatke o lokacijah milirobotov
in omogoča vizualizacijo njihovega gibanja. Uspešno realizacijo programa smo preverili s
pomočjo robotske testne celice s sistemom štirih kamer.</dc:description><dc:publisher>[B. Kleva]</dc:publisher><dc:date>2023</dc:date><dc:date>2023-09-07 08:30:42</dc:date><dc:type>Zaključna naloga</dc:type><dc:identifier>149399</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>