Show simple item record

Εφαρμογή μηχανικής μάθησης στην πρόληψη και κατάσβεση πυρκαγιάς

dc.contributor.advisorNikolaou, Grigoris
dc.contributor.authorΧονδρογιάννης, Μιχαήλ
dc.date.accessioned2022-03-29T13:37:28Z
dc.date.available2022-03-29T13:37:28Z
dc.date.issued2022-03-22
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/2012
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-1863
dc.description.abstractΗ παρούσα διπλωματική εργασία έχει ως κύριο στόχο την ανάπτυξη ενός σύνθετου συστήματος το οποίο θα μπορεί να παρακολουθεί μέσω κάμερας ένα συγκεκριμένο χώρο όπως πχ μια δασική έκταση και να ελέγχει σε ζωντανό χρόνο τον περιβάλλοντα χώρο για ένδειξη πυρκαγιάς. Είτε σε μορφή καπνού είτε σε φλόγας, σε περίπτωση που γίνει ανίχνευση, το σύστημα θα ενημερώνει τον χρήστη σχετικά με την ύπαρξηκίνδυνουμέσωe-mail/sms/push-notification και θα μπορεί να επεμβαίνει απομακρυσμένα από οποιοδήποτε σημείο με πρόσβαση στο ιντερνέτ και να βλέπει σε ζωντανό χρόνο την εξέλιξη της πυρκαγιάς μέσω της κάμερας. Στην συνέχεια θα έχει πρόσβαση σε ένα ενσωματωμένο συστήματα πυρόσβεσης με 2 άξονες κίνησης, ώστε να μπορεί να γίνει άμεσος περιορισμός της πυρκαγιάς και να μην προλάβει να επεκταθεί, με αποτέλεσμα να κινδυνέψει μεγάλη δασική έκταση, η πανίδα και ενδεχομένως οι ανθρώπινες ζωές. Η υλοποίηση του συστήματος αυτού στα πλαίσια της διπλωματικής θα γίνει σε περιορισμένη κλίμακα σε σύγκριση με την ιδανική μορφή που θα μπορούσε να κατασκευαστεί και να αναπτυχθεί σε κρίσιμα σημεία που υπάρχει μεγάλος κίνδυνος πυρκαγιάς. Το σύστημα αποτελείται από 2 βασικά ανεξάρτητα μέρη, το μοντέλο μηχανικής μάθησης που σε συνεργασία με την κάμερα λαμβάνει εικόνες κάθε λεπτό και κάνει έλεγχο σχετικά με το αν υπάρχει πυρκαγιά ή όχι και ενημερώνει αναλόγως τον χρήστη με την χρήση ηλεκτρονικού υπολογιστή. Αυτό το μοντέλο έχει αναπτυχθεί με την χρήση python και συγκεκριμένα με την χρήσηTensorFlow για να γίνει ανάπτυξη του μοντέλου αναγνώρισης εικόνας. Επίσης, υπάρχει και το σύστημα κίνησης ενός ακροφυσίου συνδεδεμένο με ηλεκτροβάνα για παροχή νερού όπου επιτρέπει στον χρήστη να το ελέγχει μέσω ενός, συνδεδεμένου στο ιντερνέτ, μικροελεγκτή. Με την χρήση αυτού μπορεί να γίνει εύκολα και με ασφάλεια κατάσβεση στον περίγυρο χώρο όπου είναι τοποθετημένο το σύστημα αυτό, το οποίο θα αναφέρεται στην συνέχεια ως RFT(RemoteFireTower).Στην υλοποίηση χρησιμοποιήθηκε και επιπρόσθετη εμπορική πλατφόρμα στο νέφος για την εύκολη χρήση του μηχανισμού κίνησης και κατάσβεσης μέσω της πλατφόρμαςΤhinger.io[2] όπως και για την αυτόματη αποθήκευση εικόνων από την κάμερα έγινε χρήση του προγράμματοςMacroRecorder[3].el
dc.format.extent63el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsΑναφορά Δημιουργού 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.subjectΜηχανική μάθησηel
dc.subjectΦωτιάel
dc.subjectΠυρκαγιέςel
dc.subjectTensorFlowel
dc.subjectArduinoel
dc.subjectΠυρόσβεσηel
dc.subjectPythonel
dc.subjectImage recognitionel
dc.subjectΝευρωνικά δίκτυαel
dc.titleΕφαρμογή μηχανικής μάθησης στην πρόληψη και κατάσβεση πυρκαγιάςel
dc.title.alternativeMachine learning application on fire recognition and extinguishel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeDrosos, Christos
dc.contributor.committeeΒασιλειάδου, Σουλτάνα
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγήςel
dc.description.abstracttranslatedThe main objective of this dissertation is the development of a complex system that will be able to monitor a specific area with a camera, such as a forest area and to monitor in real time the surrounding area for fire indication.Either in the form of smoke or in a flame where in case of detection, the system will inform the user about the existence of danger via e-mail/sms/push-notification and will be able to intervene remotely from anywhere with internet access and see in real time the evolution of fire through the camera.[6]It will then have access to move an integrated fire extinguishing system with 2 drive axles, so that the fire can be reduced immediately and prevented from spreading, resulting in endangering a large area of forest, animalsand potentially human lives.The implementation of this system in the dissertation willbe done on a limited scale compared to the ideal form that could be built and developed in critical areas where there is a high risk of fire.The system consists of 2 basic independent parts, the machine learning model that in collaboration with the camera takes images every minute and checks whether there is a fire or not and informs the user accordingly using a computer.The model has been developed using python and specifically the use of TensorFlow [1] to develop the image recognition model.And the movement system of a nozzle connected to a solenoid valve and water supply where it allows the user to control through an Microcontrollerconnected to the internet. With this system you can easily and safely extinguish fires in the surrounding area where this system is located. The system willbe referred to as RFT (Remote Fire Tower).Additionalcommercialcloud basedsoftwarefrom thewas used in the implementation, both for the easy use of the movement and extinguishing mechanism through the Thinger.io platform [2], but also for the automatic storage of images from the camera, the MacroRecorder program was used [3].el


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές