Αυτόματη Ανίχνευση Εύφλεκτων Αερίων (C3H8, CH4) σε Θερμικά Υπέρυθρα Δεδομένα Βίντεο

Κουτρουμπάς, Αντώνιος; Koutroumpas, Antonios

dc.contributor.author	Κουτρουμπάς, Αντώνιος	el
dc.contributor.author	Koutroumpas, Antonios	en
dc.date.accessioned	2020-03-30T19:35:18Z
dc.date.available	2020-03-30T19:35:18Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49984
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17682
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Μηχανική Μάθηση	el
dc.subject	Αυτόματη Ανίχνευση Αερίων	el
dc.subject	Χωροχρονικοί Περιγραφείς Χαρακτηριστικών	el
dc.subject	Υπέρυθρο Φάσμα	el
dc.subject	Υπολογιστική Όραση	el
dc.subject	Machine Learning	en
dc.subject	Computer Vision	en
dc.subject	Gas Detection	en
dc.subject	Infrared Spectrum	en
dc.subject	Spatiotemporal Feature Descriptors	en
dc.title	Αυτόματη Ανίχνευση Εύφλεκτων Αερίων (C3H8, CH4) σε Θερμικά Υπέρυθρα Δεδομένα Βίντεο	el
dc.title	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	en
heal.type	masterThesis
heal.classification	Τηλεπισκόπηση	el
heal.classification	Γεωπληροφορική	el
heal.classification	Remote Sensing	en
heal.classification	Geoinformatics	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-10-24
heal.abstract	Η χρήση θερμικών καμερών που λειτουργούν στο υπέρυθρο φάσμα, γίνεται ολοένα και πιο δημοφιλής για την ανάπτυξη τεχνικών απεικόνισης αερίων καθώς με την πάροδο του χρόνου αναδεικνύεται ως ένας γρήγορος, εύκολος και ασφαλής τρόπος απόκτησης δεδομένων για το σκοπό αυτό. Οι πληροφορίες που εξάγονται από το υπέρυθρο φάσμα διαδραματίζουν σημαντικό ρόλο σε πάρα πολλές εφαρμογές, όπως στην έγκαιρη ανίχνευση διαρροών σε πετρελαϊκές μονάδες ή σε υποσταθμούς μεταφοράς υπερυψηλής τάσης, συμβάλλοντας έτσι στην προστασία του περιβάλλοντος με την αποφυγή δυσμενών επιπτώσεων. Η πιο πρόσφατη γενιά θερμικών καμερών ανίχνευσης αερίων, χρησιμοποιεί ένα σύστημα υψηλής ευαισθησίας που στηρίζεται στην ανίχνευση της διαφοράς δύο θερμικών εικόνων υπέρυθρου φάσματος με την εφαρμογή δύο διαφορετικών φίλτρων απορρόφησης, έτσι ώστε τα αέρια να γίνονται περισσότερο ευκρινή. Παρόλη την πρωτοποριακή τεχνολογία του συστήματος, το οποίο έχει και υψηλό κόστος λόγω της πολυπλοκότητας της σύνθεσης των φίλτρων, οι εικόνες που παράγονται έχουν αρκετό θόρυβο, άρα είναι χαμηλής ποιότητας. Συνεπώς, τίθεται η αναγκαιότητα ανάπτυξης ενός συστήματος όπου από τις αρχικές θερμικές εικόνας θα είναι ικανό να επισημαίνει τη διάχυση των αερίων, παρέχοντας μια σαφή και καθαρή απεικόνισή τους. Στόχος της παρούσας διπλωματικής, είναι ο σχεδιασμός ενός τέτοιου συστήματος αυτόματης ανίχνευσης και απεικόνισης αερίων, μέσω της ανάπτυξης δύο επιμέρους μεθοδολογιών. Η πρώτη τεχνική βασίζεται σε μεθόδους υπολογιστικής μάθησης και υπολογιστικής όρασης, όπου τα κινούμενα αντικείμενα στα στιγμιότυπα ενός βίντεο εντοπίζονται και κατηγοριοποιούνται ως αέρια ή μη, με κριτήρια την υφή και τα χωροχρονικά χαρακτηριστικά τους. Η δεύτερη προσέγγιση στηρίζεται σε μεθόδους ψηφιακής επεξεργασίας εικόνας, όπου με την εξαγωγή του υποβάθρου της σκηνής από το συνδυασμό βίντεο καταγραφής ακτινοβολίας στο ορατό και στο υπέρυθρο φάσμα, πραγματοποιείται εντοπισμός του αερίου σε επίπεδο εικονοστοιχείου. Επιπρόσθετα, στην παρούσα διπλωματική παρουσιάζεται μία εκτενή ανάλυση των παραπάνω προτεινόμενων μεθοδολογιών, συγκρίνεται η απόδοση κατηγοριοποίησης χωροχρονικών περιγραφέων από δύο διαφορετικούς ταξινομητές και αξιολογείται η ικανότητα ανίχνευσης αερίων στα στιγμιότυπα του βίντεο της μεθόδου εξαγωγής υποβάθρου. Οι προτεινόμενες τεχνικές επέφεραν ικανοποιητικά αποτελέσματα επιτυχημένων ανιχνεύσεων, συνοδευόμενες και από τις αντίστοιχες επιμέρους εσφαλμένες ανιχνεύσεις.	el
heal.abstract	The use of thermal cameras operating in the infrared spectrum is becoming more and more popular over time in the development of gas imaging techniques, as it is a fast, easy and secure way of remotely obtaining data for this purpose. The information extracted from the infrared play has a major role in a variety of applications, such as early detection of leaks at oil refineries or high voltage transmission at substations, thus protecting the environment subsequently avoiding adverse effects. The most recent generation of gas thermal cameras utilize a highly sensitive system based on detecting the differences between two infrared thermal images by applying simultaneously two distinct absorption filters in order to visualize the gas more clearly. Despite the innovation of this high cost technology, due to the complicated composition of filters, the result is insufficient because the produced images are full of noise resulting in low quality. Subsequently, an advanced system is needed to detect precisely the fuse of gases from the raw thermal images. The objective of this thesis is to design such an automatic gas detection and visualization system by suggesting two individual approaches. The first proposes a machine learning and computer vision technique, where moving objects in video frames are detected and classified as gases or non-gases, based on texture and spatiotemporal characteristics. As regards the second approach, which is based on digital imaging techniques, the background of the scene is extracted with background subtraction methods, combining synchronized video frames from visible and infrared spectrum, detecting gas at pixel level. Moreover, this thesis presents a wide analysis of the proposed methodologies, compares the categorization performance of spatiotemporal descriptors from two different classifiers and evaluates the gas detection efficiency of the background subtraction system. The evaluated methods of this thesis provide satisfactory gas detecting results followed by the corresponding individual false detections.	en
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.committeeMemberName	Κοντοές, Χαράλαμπος	el
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false