Streszczenie rozprawy doktorskiej
Mgr inż. Karoliny Trzyniec
pt. „Zastosowanie sztucznej sieci neuronowej do oceny stopnia wyszkolenia
operatora wybranych urządzeń stosowanych w rolnictwie precyzyjnym”
Rozprawa doktorska dotyczy problemu automatycznego rozpoznawania momentu osiągnięcia pożądanego stopnia wyszkolenia operatora urządzeń stosowanych w rolnictwie precyzyjnym. Celem badań było zbudowanie neuronowego modelu rozpoznającego moment nabycia przez operatora umiejętności obsługi nowoczesnej nawigacji na pasach równoległych stosowanej w rolnictwie precyzyjnym.
Zaprezentowano problem badawczy, dotyczący zastosowania sztucznej sieci neuronowej do oceny stopnia wyszkolenia operatora wybranych urządzeń stosowanych w rolnictwie precyzyjnym, a także sprecyzowano cel rozprawy wraz z jego uzasadnieniem, tezę oraz zakres pracy.
Dokonano przeglądu literatury dotyczącego sieci neuronowych, ze szczególnym uwzględnieniem badań dotyczących zastosowania sieci neuronowych w rolnictwie.
Zaprezentowano ciągnik rolniczy w systemie rolnictwa precyzyjnego oraz przedstawiono problemy obsługi nowoczesnych systemów wspomagających prowadzenie ciągnika rolniczego.
Opisano metodykę przeprowadzonych w pracy badań oraz przedstawiono analizę wyników modelowania.
Udowodniono postawioną w rozprawie tezę, zakładającą, że moment wyszkolenia operatora może być automatycznie rozpoznawany przez odpowiednio dobraną sztuczną sieć neuronową, uczoną na podstawie danych zbieranych podczas obserwacji procesu szkolenia operatorów, przy wykorzystaniu kryterium określonego przez ekspertów. Wykazano, że opracowany model neuronowy rozpoznający moment wyszkolenia operatora umożliwi określenie szybkości nabywania przez operatorów kompetencji zawodowych oraz pozwoli na zmniejszenie czasu szkolenia.
W podsumowaniu pracy przedstawiono wnioski i perspektywy dalszych badań, wynikających z rezultatów rozprawy.
Summary of the Ph.D. thesis
presented by
Karolina Trzyniec M.Sc. Eng.
entitled
„Applying an artificial neural network to evaluate the degree of training in
operators of selected equipment used in precision agriculture”
The doctoral dissertation pertains to the issue of automatic recognition of time when an operator of equipment, used in precision agriculture, achieves the desired degree of training. The objective of the studies was to develop a neural model for finding the time when the operator acquires the skill of modern navigation on parallel strips used in precision agriculture.
The research problem regarding the application of artificial neural network to the evaluation of the degree of training in the operator of selected pieces of equipment used in precision agriculture was presented along with precise objective of the dissertation, as well as its justification, the thesis and the scope of the work.
The review of publications on neural networks was completed, with particular emphasis placed on the application of neural networks in agriculture.
The agricultural tractor used in the precise agriculture system was described along with the issues emerging in operating of the modern systems which support driving the agricultural tractor. The methodology of research conducted in the study was presented, as well as the analysis of the results obtained during the modelling process.
Dissertation offers a proof of a thesis, that a properly selected artificial neural network, based on collected data and expert created criterion, could automatically recognise when the operator was trained. It was shown that the developed neural model, which recognises the training stage, enables both assessing the rate of acquisition of professional skills by operators, and shortening the duration of training.
The conclusions and perspectives of further research resulting from the outcome of studies were presented.
