Umělá inteligence v taxonomii pylových zrn
| Thesis title in Czech: | Umělá inteligence v taxonomii pylových zrn |
|---|---|
| Thesis title in English: | Artificial inteligence in pollen taxonomy |
| Key words: | pylová analýza, AI, taxonomie, evoluce rostlin, analýza obrazu, |
| English key words: | pollen analysis, AI, taxonomy, plant evolution, image analysis |
| Academic year of topic announcement: | 2023/2024 |
| Thesis type: | diploma thesis |
| Thesis language: | čeština |
| Department: | Department of Botany (31-120) |
| Supervisor: | RNDr. Vojtěch Abraham, Ph.D. |
| Author: |
| Preliminary scope of work |
| Pylová analýza patří ke hlavním metodám rekonstrukce přirozené vegetace, která je užitečným vodítkem pro ochranu přírody a návrhy budoucího hospodaření. Určování pylu je ale zdlouhavé, a navíc pylová zrna jdou určit jen do hrubších taxonomických úrovní než celé rostliny. Těmto překážkám nabízí umělá inteligence možné řešení. Je potřeba konkrétní způsoby prozkoumat a uvést do praxe. Výpočetní i hardwarové vybavení je k dispozici. Náplň: · terén: sběr pylových zrn určité skupiny rostlin · laboratoř: acetolýza a příprava trvalých preparátů, · automatizované skenování ve spolupráci s Viničná Microscopy Core Facility · IT: segmentace, klasifikace, trénování a aplikace deep learningové sítě Očekávané dovednostipo absolvovánístudentské práce, uchazeč bude schopný: · kriticky řešit taxonomické problémy, určovat pylová zrna, zacházet s mikroskopy a laboratorní technikou · používat nástroje pro analýzu obrazu, datová úložiště, učení neuronových sítí Podíl jednotlivých činností i šíře zájmové skupiny rostlin upravíme na míru uchazeče. |
| Preliminary scope of work in English |
| Pollen analysis is one of the main methods for reconstructing natural vegetation, which serves as a useful guide for nature conservation and future management plans. However, identifying pollen is time-consuming, and pollen grains can only be identified to coarser taxonomic levels than whole plants. Artificial intelligence offers a possible solution to these obstacles. Specific methods need to be explored and put into practice. Both computational and hardware resources are available. Scope: Field: collection of pollen grains from a specific group of plants Laboratory: acetolysis and preparation of permanent slides Automated scanning in collaboration with the Viničná Microscopy Core Facility IT: segmentation, classification, training, and application of deep learning networks Expected skills after completing the student project, the candidate will be able to: Critically solve taxonomic problems, identify pollen grains, and handle microscopes and laboratory equipment Use tools for image analysis, data storage, and neural network training The proportion of each activity and the range of the plant group of interest will be tailored to the candidate. |