Aplikace pro odhad sklizně rostliny Čirok

Abstract

Během výměnného pobytu na Kansas State University, jsem měl příležitost spolupracovat s vědci z fakulty Agronomie, kteří mě seznámili se svým výzkumem zaměřeným na rostlinu čirok. Pro odhad sklizně této plodiny měli vyvinutý algoritmus, který ovšem pro širší využití v praxi potřebovali převést do mobilní aplikace systému iOS. Požádali mne tudíž o zhotovení takové aplikace. Celý proces vývoje této aplikace je stručně popsán v předkládané bakalářské práci. V první části práce jsem vyvinul algoritmus obrazové analýzy, který je schopen zpracovat obrázky hlav čiroku a odhadnout plochu rostlin. V druhé části je popsán vývoj aplikace iOS, která slouží pro zadání ostatních relevantních informací uživatelem a výpočet odhadu sklizně. Aplikace také integruje obrazovou analýzu z první části práce. S pomocí knihovny OpenCV jsem v jazyce C++ vyvinul algoritmus pro obrazovou analýzu, jenž jsem následně prověřil na testovacích datech, která mi poskytli vědci z Kansas State University. Pro implementaci aplikace iOS jsem použil programovací jazyk Objective-C v vývojářském nástroji XCode 7. Následně jsem algoritmus obrazové analýzy integroval do již zmíněné aplikace iOS, tak aby bylo možné provést analýzu pořízením snímků hlav rostlin čiroku přímo z fotoaparátu telefonu. Finální verze obrazové analýzy byla prověřena na testovacím balíčku 1400 obrázků. Průměrná odchylka výsledků získaných pomocí algoritmu oproti skutečným hodnotám z testovacího balíčku činí 4.825 %. Aplikace IOS umožnuje spouštět obrazovou analýzu přímo na mobilních zařízeních a výsledky analýzy kombinuje s ostatními zadanými údaji, přičemž výsledkem je zobrazení odhadu sklizně rostliny. Kromě toho také umožňuje odesílání výsledků (včetně dat, která do aplikace vložili uživatelé) na webové uložiště Firebase, kde k nim mají vědci přístup. Aplikace byla odeslána k dalšímu testování u zadavatele pomocí platformy TestFlight.

While studying at Kansas State University as part of a student exchange programme I received the opportunity to take part on an interesting project combining the fields of Software Engineering and Agronomy. The researchers at the Agronomy department were working on a yield forecasting method for the plant sorghum and it was their vision to implement this method into an iOS application. The process of development for this application is summarized within this bachelor thesis. The task itself can be divided into two major components. In the first part I developed an image analysis algorithm that analyses images of sorghum heads and outputs their surface area. The second part was to develop an iOS application that retrieves other relevant data from the user and integrates the aforementioned image analysis algorithm. Using the retrieved information, it performs the yield forecasting method and displays an estimated yield. I developed an image analysis algorithm using OpenCV (open source computer vision library) in C++ that I tested on a dataset supplied to me by the researchers at Kansas State University. To implement the iOS application, I used Objective-C and the development tool was XCode 7. Finally, I integrated the image analysis component into the application and modified the C++ base code to work with the rest of the Objective-C code in the application. This allows for the image analysis to be performed on images of sorghum heads taken by the mobile device's camera. The final version of the image analysis algorithm was tested on a dataset of about 1400 images. The average deviation of sorghum head area calculated by the algorithm compared to the actual values taken from the dataset was 4.825%. The application successfully integrates this algorithm and allows the upload of results to cloud storage using Firebase. The application was submitted to the researchers at Kansas State University using the testing platform TestFlight.