Original title: Monitoring a vyhodnocení kondice včelstva pomocí umělé inteligence
Translated title: Monitoring and evaluation of bee hive condition using artificial intelligence
Authors: Karas, Lukáš ; 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]
Tato diplomová práce se zabývá návrhem a realizací mobilní aplikace pro monitoring a vyhodnocení kondice včelstva s využitím metod umělé inteligence. Teoretická část práce představuje základy umělé inteligence a popisuje změny klíčových fyzikálních veličin, teploty, vlhkosti a hmotnosti úlu v průběhu jednotlivých ročních období. Praktická část popisuje vývoj aplikace realizované v technologickém stacku Flutter a Dart s cloudovým backendem Google Firebase. Analytická logika aplikace je postavena na dvou vrstvách: deterministickém znalostním systému HiveAnalyzer generujícím doporučení na základě odborných pravidel a sezónního kontextu, a systému učení ze zkušeností HiveExperienceAnalyzer, který doporučuje zásahy osvědčené v podobných historických situacích. Funkčnost aplikace byla ověřena prostřednictvím specializovaného webového simulátoru senzorů. Výsledkem je nástroj schopný průběžně vyhodnocovat stav včelstva a poskytovat včelaři kontextová doporučení přizpůsobená podmínkám konkrétního provozu. This master's thesis deals with the design and implementation of the Beelog mobile application for monitoring and evaluating bee colony condition using artificial intelligence methods. The theoretical part introduces the fundamentals of artificial intelligence and describes seasonal changes in key physical variables temperature, humidity, and hive weight. The practical part covers the development of the application built with Flutter and Dart and a Google Firebase cloud backend. The analytical logic consists of two layers: the deterministic knowledge-based system HiveAnalyzer, which generates recommendations based on expert rules and seasonal context, and the experience-based learning system HiveExperienceAnalyzer, which recommends interventions proven effective in similar past situations. Application functionality was verified using a specialised web-based sensor simulator. The result is a tool capable of continuously evaluating colony condition and providing the beekeeper with contextual recommendations tailored to the specific conditions of their operation.
Keywords: Artificial intelligence; Beehive; Firebase; Flutter; Machine learning; Mobile application; Monitoring; Firebase; Flutter; Mobilní aplikace; Monitoring; Strojové učení; Umělá inteligence; Včelstvo

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/11012/259966

Permalink: http://www.nusl.cz/ntk/nusl-776942


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