Segmentacija vinskih trt iz slikovnih podatkov s temeljnimi modeliŠaranović, Amar (Avtor) Štruc, Vitomir (Mentor) Muhovič, Jon Natanael (Komentor) globoko učenjesegmentacijavinogradnevronske mrežedoučitevSAMSAM 2V vinogradništvu je treba natančno analizirati stanje rastlin in redno spremljati njihovo rast. Tradicionalne metode, ki temeljijo na ročnih pregledih vsake rastline, so zamudne in pogosto neučinkovite. Zato je nujno razviti avtomatiziran sistem, ki omogoča hitro, natančno in objektivno analizo velikih površin. Cilj diplomske naloge je razviti avtomatiziran sistem za zaznavanje oz. segmentacijo trt, ki bo zagotavljal zanesljive in natančne rezultate. Tako bomo omogočili učinkovito analizo obsežnih vinogradnih površin brez potrebe po ročnih pregledih vsake posamezne rastline. Pri reševanju problema avtomatizirane segmentacije trt uporabljamo metode računalniškega vida in globokega učenja, pri čemer je glavno orodje model SAM (Segment Anything Model), natančneje njegova najnovejša različica SAM 2. Ključni del metodologije vključuje predhodno označevanje slik, učenje modela in optimizacijo rezultatov. Pri tem uporabljamo knjižnice, kot so PyTorch, NumPy in OpenCV, ki omogočajo prilagodljivo obdelavo podatkov in vizualizacijo rezultatov. Za ovrednotenje modela uporabljamo metrike, kot sta IoU (presek nad unijo) in ocena F1, s katerima ocenjujemo uspešnost segmentacije glede na ročno označene slike. Končne rezultate primerjamo z osnovnim modelom SAM 2.20252025-09-04 10:00:00Diplomsko delo/naloga171939VisID: 62906COBISS_ID: 248583427sl