Obrana teme doktorskog rada: mr. sc. Vlado Kušec, dipl. ing.

Primjena umjetnih neuronskih mreža u modeliranju parametara prskanja pri različitim kinetičkim uvjetima
Application of artificial neural networks in modeling spray parameters under different kinetic conditions

2. travanj 2024., 12 sati, VI paviljon, Mala vijećnica

Povjerenstvo za ocjenu teme doktorskog rada:

• izv. prof. dr. sc. Nikola Bilandžija, Sveučilište u Zagrebu Agronomski fakultet
• prof. dr. sc. Stjepan Sito, Sveučilište u Zagrebu Agronomski fakultet
• izv. prof. dr. sc. Tomislav Kos, Sveučilište u Zadru, Odjel za ekologiju, agronomiju i akvakulturu

Predloženi mentor:

• izv. prof. dr. sc. Igor Kovačev, Sveučilište u Zagrebu Agronomski fakultet

Sažetak:
Učinkovitost primjene sredstava za zaštitu bilja u poljoprivredi uvjetovana je, osim pravilnim odabirom pesticida, također i kvalitetom rada strojeva i opreme kojom se zaštita obavlja. Kvaliteta rada strojeva, uz pretpostavku tehničke ispravnosti, ovisi o kinetičkim čimbenicima: brzini kretanja prskalice i kutu usmjeravanja kapljica škropiva. U radu će biti istraživana, prema standardnim metodama, pokrivenost ciljane površine, pokrivenosti ne ciljane površine, spektar veličine kapljica s obzirom na brzinu kretanja prskalice i kuta usmjerenja mlaznice. Dobiveni rezultati prikazati će se pomoću regresijskog modela I modela umjetnih neuronskih mreža (UNM), te će se utvrditi prednosti modela UNM. Kroz primjenu modela UNM omogućiti će se predviđanje i prilagodba kinetičkih parametara prskanja čime će se postići optimalna učinkovitost aplikacije sredstava za zaštitu bilja.

Sažetak na engleskom jeziku:
The effectiveness of the application of plant protection products in agriculture depends not only on the correct choice of pesticides, but also on the operation quality of the machinery and equipment used for application. Assuming technical correctness, the quality of the machinery application depends on kinetic factors: the speed of the sprayer movement and the directional angle of the spray droplets. In the study, standard methods will be used to analyse the coverage of the target area, the coverage of the non-target area and the spectrum of droplet size in relation to the speed of the sprayer and the angle of the nozzle direction. The results obtained will be presented using a regression model and an artificial neural network (ANN) model, and the advantages of the ANN model will be determined. By applying the ANN model, it will be possible to predict and adjust the kinetic parameters of spraying, thereby achieving optimum efficiency of crop protection.