Ανάπτυξη μεθοδολογίας ανίχνευσης ρωγμών λιμενικών υποδομών από σκυρόδεμα μέσω ανάλυσης εικόνων με γεωχωρική πληροφορία

Καγκέλης, Δημήτριος-Γεώργιος; Kagkelis, Dimitrios-Georgios

dc.contributor.author	Καγκέλης, Δημήτριος-Γεώργιος	el
dc.contributor.author	Kagkelis, Dimitrios-Georgios	en
dc.date.accessioned	2023-11-24T07:59:47Z
dc.date.available	2023-11-24T07:59:47Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58311
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26007
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Επιστήμη και Τεχνολογία Υδατικών Πόρων”	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	Λιμενικές Υποδομές	el
dc.subject	Παρακολούθηση Δομικής Υγείας	el
dc.subject	Αξιολόγηση Κατάστασης	el
dc.subject	Επιθεώρηση	el
dc.subject	Μη Επανδρωμένο Αεροσκάφος	el
dc.subject	Μηχανική της Εικόνας	el
dc.subject	Ανάλυση Εικόνας	el
dc.subject	Ανίχνευση Ρωγμών	el
dc.subject	Γεωχωρική Πληροφορία	el
dc.subject	Γεωγραφικά Συστήματα Πληροφοριών	el
dc.subject	Port Infrastructure	en
dc.subject	Structural Health Monitoring	en
dc.subject	Condition Assessment	en
dc.subject	Inspection	en
dc.subject	Unmanned Aerial Vehicles	en
dc.subject	Image Engineering	en
dc.subject	Image Analysis	en
dc.subject	Crack Detection	en
dc.subject	Geospatial Information	en
dc.title	Ανάπτυξη μεθοδολογίας ανίχνευσης ρωγμών λιμενικών υποδομών από σκυρόδεμα μέσω ανάλυσης εικόνων με γεωχωρική πληροφορία	el
dc.title	Crack detection in port concrete infrastructure by analyzing geospatial images	en
heal.type	masterThesis
heal.classification	Παρακολούθηση Δομικής Υγείας	el
heal.classification	Μηχανική της Εικόνας	el
heal.classification	Ανάλυση Εικόνας	el
heal.classification	Ανάλυση Δεδομένων	el
heal.classification	Γεωγραφικά Συστήματα Πληροφοριών	el
heal.classification	Τηλεπισκόπηση	el
heal.classification	Προγραμματισμός	el
heal.classification	Φωτογραμμετρία	el
heal.classification	Structural Health Monitoring	en
heal.classification	Image Engineering	en
heal.classification	Image Analysis	en
heal.classification	Data Analysis	en
heal.classification	Geographic Information Systems	en
heal.classification	Remote Sensing	en
heal.classification	Programming	en
heal.classification	Photogrammetry	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-07-13
heal.abstract	Οι λιμένες αποτελούν κρίσιμα περιουσιακά στοιχεία υποδομής που ενισχύουν τις οικονομίες καθώς λειτουργούν ως κόμβοι για το διεθνές εμπόριο και τη διαμετακόμιση. Η συνεχής λειτουργία τους επηρεάζει τη λειτουργική και δομική ακεραιότητα των λιμενικών υποδομών, οι οποίες δέχονται πολυάριθμες καταπονήσεις. Στο πλαίσιο της ορθής διαχείρισης των λιμένων, είναι απαραίτητη η εφαρμογή ενός συστήματος παρακολούθησης της δομικής υγείας (Structural Health Monitoring, SHM), των λιμενικών υποδομών με στόχο την καταγραφή των φθορών και των αστοχιών, την αξιολόγηση της υφιστάμενης κατάστασης και τη λήψη σχετικών αποφάσεων για συντήρηση ή αποκατάσταση. Ειδικότερα, όσον αφορά στην ανωδομή ενός λιμένα και στις αντίστοιχες υποδομές από σκυρόδεμα, η παρακολούθηση της δομικής υγείας συχνά συνδέεται με την ανίχνευση ρωγμών. Ο συμβατικός τρόπος ανίχνευσης των ρωγμών σε πλάκες σκυροδέματος περιλαμβάνει επιτόπιες οπτικές επιθεωρήσεις, οι οποίες, ωστόσο, βασίζονται σε μεγάλο βαθμό στην υποκειμενικότητα των επιθεωρητών ενώ παράλληλα ενδέχεται να είναι χρονοβόρες στις περιπτώσεις όπου απαιτείται λεπτομερής καταγραφή της υφιστάμενης κατάστασης. Στη σύγχρονη εποχή, παρατηρείται μια αυξανόμενη τάση προς τη χρήση εικόνων που λαμβάνονται από Συστήματα μη Επανδρωμένων Αεροσκαφών (ΣμηΕΑ) για τον εντοπισμό ρωγμών σε επιφάνειες σκυροδέματος, με σκοπό να ξεπεραστούν ορισμένα μειονεκτήματα της οπτικής επιθεώρησης και να δημιουργηθεί η δυνατότητα αυτοματοποίησης της διαδικασίας του εντοπισμού, της καταγραφής και της ποσοτικοποίησης των ρωγμών. Τα ΣμηΕΑ παρέχουν την δυνατότητα λήψης διαφόρων τύπων εικόνων μέσω των καμερών που είτε είναι ενσωματωμένες είτε τοποθετούνται πρόσθετα σ’ αυτά. Οι εικόνες αυτές μπορούν να αναλυθούν περαιτέρω με όλα τα είδη μεθόδων της Μηχανικής της Εικόνας για την εξαγωγή πληροφοριών σχετικά με τις ρωγμές. Με τη διερεύνηση των υφιστάμενων μεθόδων Ανάλυσης Εικόνας με τεχνικές που καθιστούν δυνατή την επεξεργασία γεωχωρικών δεδομένων, η παρούσα εργασία επιδιώκει την εξέλιξη των πρακτικών ανίχνευσης ρωγμών σε λιμενικές υποδομές από σκυρόδεμα. Η προτεινόμενη μεθοδολογία περιλαμβάνει τη χρήση διαφόρων ενοτήτων και βιβλιοθηκών της γλώσσας προγραμματισμού Python για την ανάγνωση, ανάλυση και εξαγωγή εικόνων με όλες τις διαθέσιμες γεωχωρικές πληροφορίες, ενώ η πρόσθετη ανάλυση και οπτικοποίηση πραγματοποιείται με εργαλεία Συστημάτων Γεωγραφικών Πληροφοριών (GIS). Για να επαληθευτεί η δυναμική της μεθοδολογίας επιλέγεται η εφαρμογή της στη μελέτη περίπτωσης του Λιμένα Λαυρίου, ο οποίος βρίσκεται στο νοτιοανατολικό άκρο της Αττικής. Η συνολική ανάλυση έδειξε πως η διαδικασία επεξεργασίας εικόνας ενισχυμένη με εργαλεία που βοηθούν στη διατήρηση της γεωχωρικής πληροφορίας επιτρέπει τη χαρτογράφηση και τον εντοπισμό των ρωγμών με υψηλά ποσοστά ακρίβειας στις λιμενικές υποδομές από σκυρόδεμα.	el
heal.abstract	Ports are critical infrastructure assets that strengthen economies since they act as hubs for international trade and transit. Their continuous operation affects the functional and structural integrity of port infrastructure, which is subject to numerous stresses and strains. In light of efficient port management, it is necessary to implement a Structural Health Monitoring (SHM) system for port infrastructure to identify distresses and failures, assess the existing condition and make decisions on maintenance or rehabilitation. Within the framework of assessing the performance of port concrete infrastructure, structural health monitoring is often associated with crack detection. The traditional way of detecting cracks in concrete slabs involves in-situ visual inspections, which, however, rely heavily on the subjectivity of the inspectors and may be time-consuming in cases where a detailed identification of the existing condition is required. Nowadays, there is an increasing trend towards the use of images captured by Unmanned Aerial Vehicles (UAVs) to detect cracks in concrete surfaces aiming at overcoming certain disadvantages of visual inspection while enabling automating the overall process of detection, mapping, visualization, and quantification. UAVs offer the opportunity to capture different types of images through cameras that are either built-in or mounted on them. These images can be further analyzed using Image Engineering to extract information about the cracks. By exploring current Image Analysis methods with techniques that enable geospatial processing, this research seeks to advance the practice of crack detection in port concrete infrastructure. The proposed methodology involves the use of various Python programming language modules and libraries to read, analyze and extract images with all available geospatial information, while additional analysis and visualization steps are performed using Geographic Information Systems (GIS) tools. To verify the robustness of the methodology, the case study of the Port of Lavrio located at the southeastern tip of Attica, was selected. The overall analysis shown that image processing enhanced with tools that help to retain geospatial information allows for the identification and localization of cracks with high accuracy rates.	en
heal.advisorName	Τσουκαλά, Βασιλική	el
heal.advisorName	Tsoukala, Vasiliki	en
heal.committeeMemberName	Τσουκαλά, Βασιλική	el
heal.committeeMemberName	Tsoukala, Vasiliki	en
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Karantzalos, Konstantinos	en
heal.committeeMemberName	Μαλαμής, Συμεών	el
heal.committeeMemberName	Malamis, Simos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	220 σ.	el
heal.fullTextAvailability	false