Εφαρμογές τεχνητής νοημοσύνης στην προστασία του περιβάλλοντος

Γεωργούλας, Σπυρίδων

dc.contributor.advisor	Nikolaou, Grigoris
dc.contributor.author	Γεωργούλας, Σπυρίδων
dc.date.accessioned	2022-10-05T09:29:22Z
dc.date.available	2022-10-05T09:29:22Z
dc.date.issued	2022-06
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/2981
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-2821
dc.description.abstract	Η προστασία του φυσικού περιβάλλοντος είναι ένα ζήτημα που απασχολεί την ανθρωπότητα όλο και περισσότερο τα τελευταία χρόνια. Σε αυτή την διπλωματική εργασία παρουσιάζονται τρόποι με τους οποίους μπορεί η μηχανική μάθηση να βοηθήσει στην πρόβλεψη φυσικών καταστροφών και να συμβάλλει στην αποφυγή τους ή στην έγκαιρη αντιμετώπισή τους. Γίνεται εισαγωγή στην τηλεπισκόπηση και στο ραντάρ συνθετικού διαφράγματος, επεξηγούνται τα τεχνητά νευρωνικά δίκτυα και αναλύονται εφαρμογές βαθιάς μάθησης στην προστασία του φυσικού περιβάλλοντος. Παρουσιάζεται πώς μπορεί να γίνει πρόβλεψη του κινδύνου πυρκαγιάς με βαθιά μάθηση, η σημασιολογική κατάτμηση πετρελαιοκηλίδων αλλά και η ανίχνευση παγόβουνων και πλοίων με βαθιά μάθηση από δορυφορικές εικόνες SAR. Τα παγόβουνα τα οποία αποτελούν μεγάλο κίνδυνο για την ναυσιπλοΐα είναι δυνατό να ανιχνευθούν από δορυφορικές εικόνες SAR, αλλά η διάκρισή τους από τα πλοία χρειάζεται να γίνει από κάποιον άνθρωπο με ειδικές γνώσεις, κάτι το οποίο είναι πολύ χρονοβόρο. Για αυτό τον λόγο προτείνεται και παρουσιάζεται ένας αλγόριθμος βαθιάς μάθησης ο οποίος με την χρήση συνελικτικών νευρωνικών δικτύων διακρίνει αυτόματα τα παγόβουνα από τα πλοία σε εικόνες SAR.	el
dc.format.extent	68	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Artificial intelligence	el
dc.subject	Machine learning	el
dc.subject	Deep learning	el
dc.subject	Convolutional neural network	el
dc.subject	Remote sensing	el
dc.subject	Synthetic-aperture radar	el
dc.subject	SAR	el
dc.subject	Iceberg	el
dc.subject	Ships	el
dc.subject	Computer vision	el
dc.subject	Natural environment	el
dc.subject	Classification	el
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject	Τηλεπισκόπηση	el
dc.subject	Ραντάρ συνθετικού διαφράγματος	el
dc.subject	Παγόβουνο	el
dc.subject	Πλοία	el
dc.subject	Υπολογιστική όραση	el
dc.subject	Φυσικό περιβάλλον	el
dc.subject	Ταξινόμηση	el
dc.title	Εφαρμογές τεχνητής νοημοσύνης στην προστασία του περιβάλλοντος	el
dc.title.alternative	Artificial intelligence applications in environmental protection	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Βασιλειάδου, Σουλτάνα
dc.contributor.committee	Drosos, Christos
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.description.abstracttranslated	The protection of the natural environment is an issue that concerns humanity more and more in recent years. This thesis presents ways in which machine learning can help predict natural disasters and contribute to their avoidance or early response. Remote sensing and synthetic aperture radar are introduced, artificial neural networks are explained, and deep learning applications in environmental protection are discussed. It shows how fire hazard can be predicted with deep learning, the semantic segmentation of oil spills and the discrimination of icebergs and ships with deep learning in SAR satellite imagery. Icebergs that pose a great danger to navigation can be detected by SAR satellite images, but distinguishing them from ships needs to be done by someone with special knowledge, which is very time-consuming. For this reason, a deep learning algorithm is proposed and presented which, using convolutional neural networks, automatically distinguishes icebergs from ships in SAR images.	el

Files in this item

Name:: Georgoulas_71444271.pdf
Size:: 2.227Mb
Format:: PDF
Description:: Διπλωματική Εργασία

View/Open

Name:: Δήλωση-Συγγραφέα-Georgoulas_71 ...
Size:: 169.3Kb
Format:: PDF
Description:: Δήλωση Συγγραφέα για Διπλωματική ...

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

Show simple item record

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