Original title: Identifikace roztoče pomocí umělé inteligence
Translated title: Identifying mites using artificial intelligence
Authors: Dvořák, Patrik ; Fuks, Šimon (referee) ; Pruša, Radomír (advisor)
Document type: Master’s theses
Year: 2026
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract: [cze] [eng]
Nástup metod počítačového vidění a umělé inteligence otevírá nové možnosti v oblasti včelařství. Tato diplomová práce se zaměřuje na identifikaci kleštíka včelího (Varroa destructor) s využitím umělé inteligence. Text popisuje celou problematiku od biologického pozadí a současných metod monitoringu, přes principy zpracování obrazu, umělou inteligenci, strojové a hluboké učení, až po analýzu dostupných nástrojů, knihoven a existujících řešení. Součástí práce je volba přístupu pro rozpoznávání, příprava včelí měli, pořízení snímků a jejich anotace v nástroji Label Studio za účelem vytvoření vlastního datasetu. Na těchto datech proběhl proces trénování pomocí architektury YOLO26 a na ověřovacích datech proběhlo ověření s úspěšností 94,4 %. Trénování a ověřování probíhalo ve vývojovém prostředí Visual Studio Code s využitím programovacího jazyka Python. Závěrem byla implementována integrace kamerového modulu pro automatizované vyhodnocování. The emergence of computer vision and artificial intelligence methods is opening up new possibilities in the field of beekeeping. This thesis focuses on the identification of the Varroa destructor using artificial intelligence. The text describes the entire subject, ranging from the biological background and current monitoring methods, through the principles of image processing, artificial intelligence, machine learning, and deep learning, to an analysis of available tools, libraries, and existing solutions. The thesis includes the selection of a recognition approach, the preparation of hive debris, the acquisition of images, and their annotation in Label Studio to create a custom dataset. The model was trained using the YOLO26 architecture, and validation on the validation dataset achieved a recall of 94.4 %. Training and validation were performed in the Visual Studio Code development environment using the Python programming language. Finally, a camera module was integrated for automated evaluation.
Keywords: artificial intelligence; computer vision; object detection; Varroa destructor mite; YOLO26; detekce objektů; počítačové vidění; Roztoč Varroa destructor; umělá inteligence; YOLO26

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/259965

Permalink: http://www.nusl.cz/ntk/nusl-776436


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses