Χρήση UAV για ανίχνευση καταστάσεων υψηλής επικινδυνότητας πλημμυρών και δασικών πυρκαγιών
Use of UAVs for detection of high-risk flood and forest fire situations
Λέξεις-κλειδιά
Πλημμύρες ; Δασικές πυρκαγιές ; Φυσικές καταστροφές ; UAV ; Drone ; Τεχνητή νοημοσύνη ; Μηχανική όραση ; AI ; Artificial intelligenceΠερίληψη
Η παρούσα διπλωματική εργασία εξετάζει τη χρήση μη επανδρωμένων αεροσκαφών (UAV) για την ανίχνευση και παρακολούθηση καταστάσεων υψηλού κινδύνου, οι οποίες σχετίζονται με φυσικές καταστροφές, όπως πλημμύρες και δασικές πυρκαγιές σε συνδυασμό με εργαλεία επεξεργασίας εικόνας με χρήση Τεχνητής Νοημοσύνης. Η αυξανόμενη συχνότητα αυτών των φαινομένων, σε συνδυασμό με τις σοβαρές επιπτώσεις τους στο περιβάλλον και τις υποδομές, καθιστά επιτακτική την ανάπτυξη και εφαρμογή αποτελεσματικών μεθόδων πρόληψης και διαχείρισης.
Η έρευνα επικεντρώνεται στη χρήση χαμηλού κόστους UAV, όπως το DJI Mavic Mini, το οποίο χρησιμοποιήθηκε για την καταγραφή και ανάλυση κρίσιμων σημείων μιας περιοχής μελέτης, που είναι ευάλωτη σε φυσικές καταστροφές. Το drone αυτό προσέφερε εναέρια δεδομένα υψηλής ανάλυσης, επιτρέποντας τη χαρτογράφηση πιθανών κινδύνων, κυρίως από ακαθάριστα ρέματα και οικόπεδα.
Η περιοχή μελέτης που επιλέχθηκε είναι η Κινέτα, μια περιοχή ιδιαίτερα ευάλωτη σε πλημμύρες και πυρκαγιές. Μέσω συγκριτικής ανάλυσης εικόνων που λήφθηκαν σε διαφορετικές χρονικές περιόδους, εξετάστηκαν οι μεταβολές στη γεωμορφολογία και τις υποδομές της περιοχής, διευκολύνοντας την πρόβλεψη πιθανών επικίνδυνων καταστάσεων. Παράλληλα, αναλύθηκαν οι τεχνικές προκλήσεις που αντιμετωπίστηκαν κατά τη διάρκεια της έρευνας, όπως η επίδραση των ισχυρών ανέμων στη σταθερότητα των λήψεων και ο περιορισμένος χρόνος πτήσης λόγω της μικρής αυτονομίας του drone που αξιοποιήθηκε για την μελέτη.
Τα αποτελέσματα της έρευνας επιβεβαιώνουν τη χρησιμότητα των UAV στην πρόληψη και διαχείριση φυσικών καταστροφών, αναδεικνύοντας την αξία τους στη συλλογή δεδομένων σε πραγματικό χρόνο και στην αξιολόγηση των κινδύνων όταν γίνεται ταυτόχρονα και χρήση τεχνικών υψηλής προστιθέμενης αξίας όπως η επεξεργασία εικόνας με χρήση εργαλείων Τεχνητής Νοημοσύνης.
Περίληψη
This thesis examines the use of unmanned aerial vehicles (UAVs) for the detection and monitoring of high-risk situations related to natural disasters such as floods and forest fires in combination with image processing tools using Artificial Intelligence. The increasing frequency of these phenomena, combined with their severe impact on the environment and infrastructure, makes it imperative to develop and implement effective prevention and management methods.
The research focuses on the use of low-cost UAVs, such as the DJI Mavic Mini, which was used to record and analyse critical points of a study area vulnerable to natural disasters. This drone provided high-resolution aerial data, allowing mapping of potential hazards, particularly from uncleared streams and plots.
The study area chosen is Kineta, an area particularly vulnerable to flooding and fires. Through a comparative analysis of images taken at different time periods, changes in the geomorphology and infrastructure of the area were examined, facilitating the prediction of potential hazardous situations. At the same time, the technical challenges encountered during the research, such as the effect of strong winds on the stability of the images and the limited flight time due to the low autonomy of the drone used for the study, were analysed.
The results of the study confirm the usefulness of UAVs in natural disaster prevention and management, highlighting their value in real-time data collection and risk assessment when used in conjunction with high value-added techniques such as image processing using AI tools.
Αριθμός σελίδων
71Σχολή
Σχολή ΜηχανικώνΑκαδημαϊκό Τμήμα
Τμήμα Μηχανικών Τοπογραφίας και ΓεωπληροφορικήςΓλώσσα
ΕλληνικάΣυλλογή
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές