HEAL DSpace

Αναγνώριση πυρκαγιάς σε πραγματικό χρόνο με τεχνικές μηχανικής μάθησης

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

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


Αρχεία σε αυτό το τεκμήριο

Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο:

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα Εκτός από όπου ορίζεται κάτι διαφορετικό, αυτή η άδεια περιγράφεται ως Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα