Obranom doktorskog rada pod naslovom A Deep Learning-Based System for Estimating Underground
Infrastructure Parameters Using GPR Data dana 07. svibnja 2026. godine, doktorand Daniel Štifanić
uspješno je završio doktorski studij.
Doktorski rad istražuje problem nedestruktivnog istraživanja i preciznog mapiranja podzemne
infrastrukture korištenjem georadara (eng. ground penetrating radar – GPR), rješavajući pritom
ograničenja postojećih analitičkih modela. Rad opisuje razvoj hibridnog sustava temeljenog na
dubokom učenju koji u prvom koraku koristi YOLOv11x model za detekciju i lokalizaciju hiperboličkih
refleksija unutar radarskog zapisa, dok se u drugom koraku detektirane refleksije analiziraju pomoću
predložene prostorno-spektralne fuzijske mreže s unakrsnom pažnjom, nazvane CASS-Fusion.
Predložena mreža integrira prostorne značajke radarskog zapisa izdvojene pomoću Xception okosnice
s lokaliziranim spektralnim reprezentacijama izvedenim iz vremensko-frekvencijskih distribucija
Cohenove klase. Eksperimentalni rezultati dokazuju da predložena hibridna arhitektura nadmašuje i
samostalne prostorne i samostalne spektralne modele u procjeni četiri opisna parametra podzemne
infrastrukture, kao što su: dvosmjerno vrijeme putovanja signala, dubina ukopa, promjer cilindričnog
objekta te prilazni kut.
Mentor pri izradi doktorskog rada bio je prof. dr. sc. Zlatan Car (Tehnički fakultet, Hrvatsko katoličko
sveučilište), a komentor doc. dr. sc. Nikola Anđelić (Tehnički fakultet Sveučilišta u Rijeci).
Povjerenstvo za ocjenu doktorskog rada činili su: izv. prof. dr. sc. Ivan Volarić (predsjednik), prof. dr.
sc. Ivan Štajduhar (član) (oboje s Tehničkog fakulteta Sveučilišta u Rijeci) i dr. sc. Marko Budimir
(član) (INETEC – Institut za nuklearnu tehnologiju).
