Original title:
Detekce cizích objektů na zemědělské půdě z ortofotomap pořízených dronem
Translated title:
Detection of Foreign Objects on Agricultural Land from Drone-Based Orthophoto Images
Authors:
Varfolomeiev, Vladyslav ; Hradiš, Michal (referee) ; Liška, Jakub (advisor) Document type: Master’s theses
Year:
2026
Language:
eng Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[eng][cze]
Kameny a další cizí objekty na zemědělské půdě mohou poškodit stroje, přerušit polní práce a zvýšit náročnost ruční kontroly pozemku. Tato práce navrhuje řetězec pro jejich detekci a prostorové hlášení v RGB snímcích pořízených bezpilotním letounem a zpracovaných do ortofotomapy. Praktické vyhodnocení se zaměřuje na kameny dostatečně velké na to, aby ohrozily zemědělskou techniku, protože právě tato třída je v dostupném souboru opatřena anotacemi ve formě ohraničujících obdélníků. Řetězec spojuje přípravu obrazových dat, detekci objektů ve výřezech, registraci překrývajících se snímků, převod detekcí do lokálních metrických souřadnic, prostorové slučování a kontrolu obrazových důkazů. Jako detektory byly porovnány modely YOLOv8n a RTDETR- X. RT-DETR-X dosáhl lepších výsledků a v kalibrované diagnostice celé mapy zachytil 366 z 382 anotovaných kamenů. Při prostorovém vyhodnocení validační části po shlukování dosáhl záchytu 87,14 %. Řízené experimenty s mozaikováním ukázaly, že spolehlivost přenosu souřadnic závisí na kvalitě a překryvu snímků i na propojenosti registračního grafu. RANSAC zachoval širší pokrytí grafu, zatímco přísnější filtrace MAGSAC poskytla menší počet spolehlivějších párových vztahů. Hlavním omezením je vizuální nejednoznačnost snímků ve viditelném spektru. Malé kameny mohou připomínat hroudy půdy, rostlinné zbytky, změny osvětlení nebo artefakty ortofotomapy; termální, multispektrální ani jiná doplňková senzorová data nebyla k dispozici. Výsledná desktopová aplikace proto zachovává zdrojová pozorování, míry důvěry a lokální polohy pro ruční kontrolu a export. Práce přináší úplný a dohledatelný zpracovatelský řetězec, vymezuje podmínky spolehlivosti RGB detekce a registrace snímků a podporuje plánování praktické kontroly pozemku před vjezdem zemědělské techniky.
Stones and other foreign objects on agricultural land can damage machinery, interrupt field operations, and increase the effort required for manual inspection. This thesis develops a workflow for detecting and spatially reporting such objects in RGB imagery acquired by an unmanned aerial vehicle and processed into an orthophoto. The practical evaluation focuses on stones large enough to threaten agricultural machinery, as this is the class represented by bounding-box annotations in the available dataset. The workflow combines image preparation, crop-based object detection, registration of overlapping images, transfer of detections into local metric coordinates, spatial clustering, and evidence-based review. YOLOv8n and RT-DETR-X were compared as candidate detectors. RT-DETR-X provided the stronger detection performance and recovered 366 of 382 annotated stones in the calibrated full-map diagnostic. On the validation subset, spatial evaluation after clustering reached a recall of 87.14%. Controlled mosaicking experiments showed that reliable coordinate transfer depends on image quality, overlap, and the connectivity of the registration graph. RANSAC retained broader graph coverage, whereas stricter MAGSAC filtering produced fewer but more reliable pairwise relations. The main limitation is the ambiguity of visible-spectrum imagery. Small stones can resemble soil clods, crop residue, illumination changes, or orthophoto artefacts, and no thermal, multispectral, or other complementary sensor data were available. The resulting desktop application therefore preserves source observations, confidence values, and local positions for manual review and export. The thesis delivers a complete and traceable processing chain while identifying the conditions under which RGB detection and image registration remain reliable and support practical field inspection planning before machinery enters the area.
Keywords:
detekce kamenů; detekce objektů; mozaikování obrazu; ortofoto; precizní zemědělství.; přenos souřadnic; UAV; coordinate transfer; image mosaicking; object detection; orthophoto; precision agriculture.; stone detection; UAV
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/11012/260663
guest ::
