Show simple item record

Εφαρμογές τεχνητής νοημοσύνης στην προστασία του περιβάλλοντος

dc.contributor.advisorNikolaou, Grigoris
dc.contributor.authorΓεωργούλας, Σπυρίδων
dc.date.accessioned2022-10-05T09:29:22Z
dc.date.available2022-10-05T09:29:22Z
dc.date.issued2022-06
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/2981
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-2821
dc.description.abstractΗ 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.extent68el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectArtificial intelligenceel
dc.subjectMachine learningel
dc.subjectDeep learningel
dc.subjectConvolutional neural networkel
dc.subjectRemote sensingel
dc.subjectSynthetic-aperture radarel
dc.subjectSARel
dc.subjectIcebergel
dc.subjectShipsel
dc.subjectComputer visionel
dc.subjectNatural environmentel
dc.subjectClassificationel
dc.subjectΤεχνητή νοημοσύνηel
dc.subjectΜηχανική μάθησηel
dc.subjectΒαθιά μάθησηel
dc.subjectΣυνελικτικά νευρωνικά δίκτυαel
dc.subjectΤηλεπισκόπησηel
dc.subjectΡαντάρ συνθετικού διαφράγματοςel
dc.subjectΠαγόβουνοel
dc.subjectΠλοίαel
dc.subjectΥπολογιστική όρασηel
dc.subjectΦυσικό περιβάλλονel
dc.subjectΤαξινόμησηel
dc.titleΕφαρμογές τεχνητής νοημοσύνης στην προστασία του περιβάλλοντοςel
dc.title.alternativeArtificial intelligence applications in environmental protectionel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeΒασιλειάδου, Σουλτάνα
dc.contributor.committeeDrosos, Christos
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγήςel
dc.description.abstracttranslatedThe 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

Thumbnail
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