OBAVIJEST O ODBRANI ZAVRŠNOG MAGISTARSKOG RADA – Alen Tokmić, dipl. inž. el.

UNIVERZITET U TUZLI
FAKULTET ELEKTROTEHNIKE
Franjevačka br.2
Tuzla

O B J A V L J U J E

Alen Tokmić, dipl. inž. el., javno će braniti završni magistarski rad pod naslovom: “Inteligentni sistem za klasifikaciju čvrstog otpada korištenjem dubokih konvolucijskih neuronskih mreža“, dana 26.04.2024. godine sa početkom u 11,00 sati na Fakultetu elektrotehnike Univerziteta u Tuzli-Stelekt, pred Komisijom u sastavu:

1. Dr. sci. Naser Prljača, redovni profesor-predsjednik
   Uža naučna oblast Automatika i robotika
   Fakultet elektrotehnike Univerziteta u Tuzli
2. Dr. sci. Lejla Banjanović-Mehmedović, vanredni profesor-mentor/član
   Uža naučna oblast Automatika i robotika
   Fakultet elektrotehnike Univerziteta u Tuzli
3. Dr. sci. Jakub Osmić, redovni profesor-član
   Uža naučna oblast Automatika i robotika
   Fakultet elektrotehnike Univerziteta u Tuzli

Zamjenski član Komisije, dr.sci. Amila Dubravić, vanredni profesor, uža naučna oblast Automatika i robotika, Fakultet elektrotehnike Univerziteta u Tuzli.

Pristup javnosti je slobodan.

Završni magistarski rad se može pogledati u Sekretarijatu fakulteta svakim radnim danom od 09,00 do 15,00 sati.

 

REZIME RADA

 

Kružna ekonomija je ekonomija u čijoj osnovi leže tri osnovna principa – eliminacija otpada i zagađenja, cirkulacija proizvoda i materijala, te obnavljanje prirode. To je relativno novi ekonomski model koji naglašava ponovno korištenje, popravljanje i obnavljanje materijala – što zahtjeva udaljavanje od trenutnog linearnog ekonomskog modela, koji se temelji na uzmi-proizvedi-odloži, i uvodi zahtjeve za boljim gospodarenjem materijalima koji se u linearnom modelu ekonomije smatraju otpadom. Ovaj proces zahtjeva efikasno upravljanje otpadom koje počinje sa adekvatnim odvajanjem različitih kategorija otpada. U ovom radu su istražene mogućnosti primjene dubokog učenja na zadatak klasifikacije čvrstog otpada.
Kao klasifikatori su primijenjene AlexNet, VGG19 i ResNet101 arhitekture konvolucijskih neuronskih mreža. Ovo su pre-trenirani modeli obučeni za ocjenjivanje u 1000 klasa, a u ovom radu su upotrebom metode transfer učenja prilagođeni klasifikaciji 4 vrste čvrstog otpada: papir, plastika, metal i staklo. Za učenje i evaluaciju modela korišteno je softversko okruženje Matlab. Analiza i učinkovitost modela konvolucijskih neuronskih mreža određena je primjenom matrice grešaka. Najbolji model je ostvario tačnost od 96% nad testnim skupom slikovnih podataka te je testiran i u kombinaciji sa web-kamerom, gdje također postiže obećavajuće rezultate.