Preskoči na sadržaj
Moj profil

završni rad (stručni) · 2026

Usporedba dotreniranih YOLO modela na vlastitom skupu podataka za detekciju i klasifikaciju puževa golaća

Silvio Plehati, mag.ing.techn.inf., pred.

Sažetak

U radu je istražena primjena YOLO modela za detekciju i klasifikaciju četiriju rodova puževa golaća: Arion, Deroceras, Limax i Milax. Izrađen je i ručno anotiran vlastiti skup podataka na temelju fotografija prikupljenih s platforme iNaturalist. Uspoređeni su modeli YOLO11n, YOLO11s, YOLO26n i YOLO26s, trenirani tijekom 20, 40 i 60 epoha. Modeli su vrednovani na temelju preciznosti, odaziva, mAP metrika, PR krivulja i matrica zabune. Na temelju validacijskih rezultata i računalne složenosti, YOLO26n treniran tijekom 40 epoha odabran je kao najpovoljniji kandidat za daljnji razvoj. Na neovisnom testnom skupu ostvario je preciznost 0,867, odaziv 0,832, mAP50 0,854 i mAP50-95 0,700. Rezultati pokazuju potencijal primjene modela kao perceptivnog dijela budućeg autonomnog sustava za detekciju puževa golaća.

Ključne riječi

detekcija objekata duboko učenje puževi golaći YOLO11 YOLO26