Αναγνώριση πυρκαγιάς σε πραγματικό χρόνο με τεχνικές μηχανικής μάθησης

Ταβουλαρέας, Θεόδωρος; Tavoulareas, Theodoros

dc.contributor.author	Ταβουλαρέας, Θεόδωρος	el
dc.contributor.author	Tavoulareas, Theodoros	en
dc.date.accessioned	2020-04-02T09:36:25Z
dc.date.available	2020-04-02T09:36:25Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50038
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17736
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	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Όραση υπολογιστών	el
dc.subject	Μεταφορά μάθησης	el
dc.subject	Αναγνώριση πυρκαγιάς	el
dc.subject	Αναγνώριση καπνού	el
dc.subject	Αναγνώριση δασικής πυρκαγιάς σε πραγματικό χρόνο	el
dc.subject	Convolutional neural networks	en
dc.subject	Deep learning	en
dc.subject	Computer vision	en
dc.subject	Transfer learning	en
dc.subject	Fire detection	en
dc.subject	Smoke detection	en
dc.subject	Real-Time Forest Fire Detection	en
dc.title	Αναγνώριση πυρκαγιάς σε πραγματικό χρόνο με τεχνικές μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-06-26
heal.abstract	Η παρούσα διατριβή στοχεύει στην αντιμετώπιση του φαινομένου της πυρκαγιάς μέσω της έγκαιρης ανίχνευσης πιθανής εστίας φωτιάς. Το πρόβλημα των συνεχών δασικών πυρκαγιών, κυρίως κατά τους καλοκαιρινούς μήνες, αποτελεί μάστιγα του σύγχρονου κόσμου. Ειδικότερα, η Ελλάδα είναι η πλέον πληγμένη χώρα η οποία έχει θρηνήσει υπεράριθμα θύματα μέσα στον 21ο αιώνα. Ανά τους καιρούς, υπήρξαν πολλές προσπάθειες για την καταπολέμηση αυτού του φαινομένου με αξιόλογα αποτελέσματα. Μερικές από αυτές περιλαμβάνουν χρήση αισθητήρων καπνού και εδάφους για την ανίχνευση μικρών εστιών, αλλά και δορυφόρων για την κάλυψη μεγαλύτερων εκτάσεων. Με την πρόοδο της τεχνολογίας όμως, είναι επιτακτική η ανάγκη για την έρευνα της συνεισφοράς της τεχνητής νοημοσύνης στο πρόβλημα αυτό. Τέτοιου είδους τεχνικές περιλαμβάνουν εξαγωγή χαακτηριστικών και σημείων ενδιαφέροντος από εικόνες και βίντεο, καθώς και χρήση βαθύτερων αρχιτεκτονικών, όπως είναι τα σύγχρονα συνελικτικά νευρωνικά δίκτυα, με τα αποτελέσματα αυτών των προσεγγίσεων να είναι άκρως ενθαρρυντικά. Στην παρούσα διπλωματική εργασία ερευνώνται όλοι οι πιθανοί τρόποι προσέγγισης του προβλήματος της ανίχνευσης της φωτιάς, από μηχανές διανυσμάτων υποστήριξης μέχρι βαθιά συνελικτικά νευρωνικά δίκτυα, με τα αποτελέσματα των οποίων να βρίσκονται πολύ κοντά σε αυτά των σύγχρονων μεθόδων της βιβλιογραφίας, αλλά και σε ορισμένες περιπτώσεις μάλιστα να τα υπερνικούν. Τέλος, προτείνεται ένα σύστημα εντοπισμού πιθανής εστίας πυρκαγιάς σχεδιασμένο ώστε να λειτουργεί σε πραγματικό χρόνο, ενώ παρουσιάζονται τρόποι με τους οποίους μπορεί αυτό το μοντέλο να θέσει τις βάσεις για τη δημιουργία ενός καινοτόμου συστήματος ανίχνευσης φωτιάς μέσω της αξιοποίησης ήδη υπάρχοντων πόρων	el
heal.abstract	This dissertation aims at dealing with the fire phenomenon through the early detection of a possible fire spot. The problem of continual forest fires, especially during the summer months, is a puzzler of the modern world. In particular, Greece is the most affected country, which has sacrificed numerous victims in the 21st century. Over the years, there have been many attempts to prevent this phenomenon with remarkable results. Some of these include the use of smoke and ground sensors to detect small fires and satellites to cover larger areas. However, with the advancement of technology, it is necessary to investigate the contribution of artificial intelligence to this problem. Such techniques include the extraction of features and points of interest from images and videos, as well as the use of deeper architectures, such as modern convolutional neural networks (CNN), with the results of these approaches being particularly encouraging. In this diploma thesis, we investigate all possible ways of approaching the problem of fire detection, from supporting vector machines (SVM) to deep convolutional neural networks, the results of which are very close to those of the state-of-the-art methods in the literature, and in some cases, they outperform them. Finally, a fire detection system designed to operate in real time is proposed and the ways of how this model can lay the foundations to create an innovative fire detection system by exploiting the already available resources are presented.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	101 σ.
heal.fullTextAvailability	true