Předmět: Moderní trendy v zemědělské technice

« Zpět
Název předmětu Moderní trendy v zemědělské technice
Kód předmětu KZT/MTZT
Organizační forma výuky bez kontaktní výuky
Úroveň předmětu Doktorský
Rok studia nespecifikován
Semestr Zimní a letní
Počet ECTS kreditů 0
Vyučovací jazyk čeština
Statut předmětu Povinně-volitelný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Bartoš Petr, doc. RNDr. Ph.D.
Obsah předmětu
Aktuální trendy ve výzkumu a vývoji v oblasti zemědělské techniky. Využití GPS, systémů pro precizní zemědělství, moderní trendy v konstrukci strojů.

Studijní aktivity a metody výuky
Práce s textem (učebnicí, knihou), Individuální příprava ke zkoušce, Práce s multimediálními zdroji (texty, internet, IT technologie), Individuální konzultace s vyučujícím
  • Účast na výuce - 50 hodin za semestr
  • Semestrální práce - 100 hodin za semestr
  • Příprava na zkoušku - 100 hodin za semestr
Výstupy z učení
Cílem je studium aktuálních trendů ve výzkumu a vývoji v oblasti zemědělské techniky.
Získání znalostí v oblasti aktuálních trendů ve výzkumu a vývoji v oblasti zemědělské techniky ve využití GPS, systémů pro precizní zemědělství, moderních trendů v konstrukci strojů.
Předpoklady
Ukončení vysokoškolského magisterského nebo inženýrského studia

Hodnoticí metody a kritéria
Ústní zkouška, Písemná zkouška, Seminární práce

Práce s textem Individuální studium ke zkoušce Práce s multimediálními zdroji Individuální konzultace s vyučujícím Vypracování seminární práce na zadané téma Prezentace seminární práce
Doporučená literatura
  • Duckett, T., et al. Agricultural Robotics: The Future of Robotic Agriculture. UK-RAS, 2018.
  • Izmailov, A. Yu. Intelligent Technologies and Robotic Means in Agricultural Production. Herald of the Russian Academy of Sciences, 2019, 89(2):209-210.. Russian Academy of Sciences, 2019.
  • Jani, K., et al. Machine learning in films: an approach towards automation in film censoring J. of Data, Inf. and Manag. 2019. 2019.
  • Liu, N. et al. Exploiting Convolutional Neural Networks With Deeply Local Description for Remote Sensing Image Classification?, IEEE Access. IEEE, (2018): 6, pp. 11215? 11228. doi:. 2018.
  • Ma, L., Xie, W. and Huang, H. Convolutional neural network based obstacle detection for unmanned surface vehicle, Mathematical Biosciences and Engineering, (2019): 17(1), pp. 845?861. doi: .. 2019.
  • Panpatte, D. G. Artificial Intelligence in Agriculture: An Emerging Era of Research, 2018. Anand Agricultural University, 2018.
  • Souček, J., Machálek, A. Roboty v zemědělství, 2018,. Mechanizace zemědělství, 2018.
  • Sun, S. et al. Image processing algorithms for infield single cotton boll counting and yield prediction, Computers and Electronics in Agriculture, (2019): 166, p.. Elsevier, 2019.
  • Tekin, A. B. and Fornale, M. The development of a low cost UAV-based image acquisition system and the procedure for capturing data in precision agriculture, Turkish Journal of Agriculture and Forestry, (2019): 43(3), pp. 288?298. 2019.
  • Ullah et al. A survey on precision agriculture: technologies and challenges The 3rd International Conference on Next Generation Computing (2017), pp. 1-3.. 2017.
  • Wang, A., Zhang, W. and Wei, X. A review on weed detection using ground-based machine vision and image processing techniques, Computers and Electronics in Agriculture. (2019): 158, pp. 226-240. Elsevier, 2019.
  • Wei et al.. Monitoring leaf nitrogen accumulation in wheat with hyper-spectral remote sensing Acta Ecol. Sin., 28 (1) (2008), pp. 23-32.. 2008.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Fakulta: Fakulta zemědělská a technologická Studijní plán (Verze): Agroekologie (1) Kategorie: Zemědělství a lesnictví - Doporučený ročník:-, Doporučený semestr: -
Fakulta: Fakulta zemědělská a technologická Studijní plán (Verze): Obecná produkce rostlinná (1) Kategorie: Zemědělství a lesnictví - Doporučený ročník:-, Doporučený semestr: -
Fakulta: Fakulta zemědělská a technologická Studijní plán (Verze): Agroekologie (1) Kategorie: Zemědělství a lesnictví - Doporučený ročník:-, Doporučený semestr: -