Αυτόματη περίληψη φυτοπαθολογιών με χρήση πολυτροπικών μεγάλων γλωσσικών μοντέλων

Fragkogiannis Georgios

URI	http://purl.tuc.gr/dl/dias/7885A5EB-837D-4C75-8116-6EC554AABAC2	-
Αναγνωριστικό	https://doi.org/10.26233/heallink.tuc.105007	-
Γλώσσα	el	-
Μέγεθος	121 σελίδες	el
Τίτλος	Αυτόματη περίληψη φυτοπαθολογιών με χρήση πολυτροπικών μεγάλων γλωσσικών μοντέλων	el
Τίτλος	Automatic summarization of phytopathologies using multimodal large language models	en
Δημιουργός	Fragkogiannis Georgios	en
Δημιουργός	Φραγκογιαννης Γεωργιος	el
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]	Diakoloukas Vasileios	en
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]	Διακολουκας Βασιλειoς	el
Συντελεστής [Επιβλέπων Καθηγητής]	Lagoudakis Michail	en
Συντελεστής [Επιβλέπων Καθηγητής]	Λαγουδακης Μιχαηλ	el
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]	Spyropoulos Thrasyvoulos	en
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]	Σπυροπουλος Θρασυβουλος	el
Εκδότης	Πολυτεχνείο Κρήτης	el
Εκδότης	Technical University of Crete	en
Ακαδημαϊκή Μονάδα	Technical University of Crete::School of Electrical and Computer Engineering	en
Ακαδημαϊκή Μονάδα	Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
Περιγραφή	Διπλωματική Εργασία που υποβλήθηκε στη σχολή ΗΜΜΥ του Πολ. Κρήτης για την πλήρωση προϋποθέσεων λήψης του Πτυχίου	el
Περίληψη	Η σύγχρονη γεωργία καλείται να ανταποκριθεί στις αυξανόμενες ανάγκες για παραγωγή τροφής, διατηρώντας παράλληλα τη βιωσιμότητα και την αποδοτικότητά της. Η πρόκληση αυτή καθιστά απαραίτητη την αξιοποίηση προηγμένων τεχνολογιών, όπως η υπολογιστική όραση και τα σύγχρονα μεγάλα γλωσσικά μοντέλα, ιδιαίτερα σε πεδία όπου η έγκαιρη και ακριβής διάγνωση φυτοπαθολογιών μπορεί να μειώσει σημαντικά, τόσο τις απώλειες στην παραγωγή, όσο και τη χρήση φυτοφαρμάκων. Στη παρούσα διπλωματική εργασία, επικεντρωνόμαστε στην ανάπτυξη ενός συστήματος ικανού να αναγνωρίζει ασθένειες που προσβάλλουν τα φυτά, με βάση φωτογραφίες των φύλλων τους και να προτείνει τρόπους αντιμετώπισης. Η προτεινόμενη αρχιτεκτονική αποτελείται από τρία βασικά στάδια. Αρχικά, αξιοποιείται μια σειρά από οπτικά μοντέλα για τον εντοπισμό του φύλλου, την ανίχνευση περιοχών με ενδείξεις προσβολής και την ταξινόμηση της πιθανής ασθένειας. Στο επόμενο στάδιο, ένα σύστημα tool calling επιτρέπει σε ένα γλωσσικό μοντέλο να επιλέξει και να ενεργοποιήσει τα κατάλληλα εργαλεία, εμπλουτίζοντας τη διαγνωστική διαδικασία. Τέλος, το σύστημα συνθέτει μία τεκμηριωμένη και ολοκληρωμένη απάντηση, στην οποία παρουσιάζονται, τόσο η αναγνωρισμένη ασθένεια, όσο και οι προτεινόμενοι τρόποι αντιμετώπισής της. Κατά τη διάρκεια της πειραματικής διαδικασίας, χρησιμοποιήθηκαν μοντέλα YOLO για την ανίχνευση και ταξινόμηση εικόνων, τα οποία εκπαιδεύτηκαν σε ειδικά διαμορφωμένα σύνολα δεδομένων, βασισμένα σε αναγνωρισμένα δημόσια datasets του χώρου της έξυπνης γεωργίας, όπως τα PlantVillage και PlantDoc. Παράλληλα, αναπτύχθηκαν συστήματα Retrieval-Augmented Generation (RAG) για την ανάκτηση πληροφοριών σχετικά με μεθόδους αντιμετώπισης των ασθενειών, ενώ πραγματοποιήθηκε και fine-tuning σε vision-language models για την ενίσχυση της ακρίβειας στην αναγνώριση φυτοπαθολογιών.	el
Περίληψη	Modern agriculture is called to respond to the increasing needs for food production, while at the same time maintaining its sustainability and efficiency. This challenge makes necessary the exploitation of advanced technologies, such as computer vision and modern large language models, especially in fields where timely and accurate diagnosis of phytopathologies can significantly reduce both production losses and the use of pesticides. In the present diploma thesis, we focus on the development of a system capable of recognizing diseases that affect plants, based on pictures of their leaves. The proposed architecture consists of three basic stages. Initially, a series of visual models is utilized for the detection of the leaf, the identification of areas with signs of infection, and the classification of the possible disease. In the next stage, a tool calling system allows a language model to select and activate the appropriate tools, enriching the diagnostic process. Finally, the system composes a documented and complete answer, in which both the recognized disease and the proposed ways of addressing it are presented. During the experimental process, YOLO models were used for the detection and classification of images, which were trained on specially configured datasets, based on recognized public datasets in the field of smart agriculture, such as PlantVillage and PlantDoc. At the same time, Retrieval-Augmented Generation (RAG) systems were developed for the retrieval of information regarding methods for dealing with the diseases, while fine-tuning was also carried out on vision-language models to enhance accuracy in the recognition of phytopathologies.	en
Τύπος	Διπλωματική Εργασία	el
Τύπος	Diploma Work	en
Άδεια Χρήσης	http://creativecommons.org/licenses/by/4.0/	en
Ημερομηνία	2025-10-09	-
Ημερομηνία Δημοσίευσης	2025	-
Θεματική Κατηγορία	Smart agriculture	en
Θεματική Κατηγορία	Εξυπνη γεωργία	el
Θεματική Κατηγορία	Υπολογιστική όραση	el
Θεματική Κατηγορία	Computer vision	en
Θεματική Κατηγορία	Μεγάλα γλωσσικά μοντέλα	el
Θεματική Κατηγορία	Large language models	en
Θεματική Κατηγορία	Ανίχνευση φυτοπαθολογιών	el
Θεματική Κατηγορία	Detection of phytopathologies	en
Θεματική Κατηγορία	YOLO	en
Θεματική Κατηγορία	Vision-language models	en
Θεματική Κατηγορία	Fine-tuning	en
Θεματική Κατηγορία	Tool calling	en
Θεματική Κατηγορία	Retrieval-augmented generation	en
Θεματική Κατηγορία	PlantVillage	en
Θεματική Κατηγορία	PlantDoc	en
Θεματική Κατηγορία	Διάγνωση φυτοπαθολογικών ασθενειών	el
Θεματική Κατηγορία	Plant disease diagnosis	en
Θεματική Κατηγορία	Sustainable agriculture	en
Θεματική Κατηγορία	Αυτόματη αναγνώριση εικόνας	el
Θεματική Κατηγορία	Automated image recognition	en
Θεματική Κατηγορία	Αντιμετώπιση ασθενειών φυτών	el
Θεματική Κατηγορία	Plant disease treatment	en
Θεματική Κατηγορία	Βιώσιμη γεωργία	el
Βιβλιογραφική Αναφορά	Georgios Fragkogiannis, "Automatic summarization of phytopathologies using multimodal large language models", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2025	en
Βιβλιογραφική Αναφορά	Γεώργιος Φραγκογιάννης, "Αυτόματη περίληψη φυτοπαθολογιών με χρήση πολυτροπικών μεγάλων γλωσσικών μοντέλων", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2025	el

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Αυτόματη περίληψη φυτοπαθολογιών με χρήση πολυτροπικών μεγάλων γλωσσικών μοντέλων

Fragkogiannis Georgios

Διαθέσιμα αρχεία

Υπηρεσίες

Εξαγωγή

Κοινοποίηση

Στατιστικά

Μεταδεδομένων & Περιεχομένου σε METS:

Μεταδεδομένων σε Μορφότυπο: