عنوان

یک سیستم بینایی هوشمند برای نظارت خودکار بر آتش‌سوزی جنگل‌ها با استفاده از پهپادها

شماره

پ۲۵۶۶۷

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

یک سیستم بینایی هوشمند برای نظارت خودکار بر آتش‌سوزی جنگل‌ها با استفاده از پهپادها

نام نخستين پديدآور

محمدصادق کیهان پناه

نام ناشر، پخش کننده و غيره

مهندسی مکانیک

نام خاص و کميت اثر

۵۲ص.

مواد همراه اثر

سی دی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مکانیک مکاترونیک

زمان اعطا مدرک

۱۳۹۹/۰۷/۰۹

متن يادداشت

مقابله با آتش‌سوزي جنگل‌ها براي جلوگيري از خطرات بالقوه آنها و همچنين حفاظت از منابع طبيعی به عنوان یک چالش در ميان محققان مطرح است. هدف این پایان‌نامه تشخیص ویژگی‌های آتش و دود از تصاویر بصری پهپاد برای دسته‌بندی، تشخیص شی و قطعه‌بندی تصاویر است. از آنجا که جنگل‌ها محيط‌هاي بسيار پيچيده و غير ساختاري هستند، استفاده از سيستم بينایی همچنان با مشکلاتی نظير شباهت ویژگی‌هاي شعله با نور خورشيد، گياهان و حيوانات و یا پوشش شعله با دود مواجه است که باعث هشدارهاي اشتباه می‌شوند. روش پیشنهادی در این پایان‌نامه استفاده از شبکه‌های عصبی کانولوشنی از روش‌های یادگیری عمیق است که بدون نیاز به استخراج ویژگی خود در لایه‌های مختلف ویژگی‌های مورد نیاز را کشف می‌کند. ابتدا یک شبکه ۱۲ لایه برای دسته بندی و در ادامه استفاده از روش یادگیری انتقالی برای قطعه‌بندی تصاویر پیشنهاد شده است. نتایج بدست آمده نشان داده است که روش داده افزایی بکار برده شده از کاهش شدید ویژگی جلوگیری کرده و همچنین شبکه‌های عصبی کانولوشنی استفاده شده می‌توانند به خوبی ویژگی‌های آتش و دود موجود در تصاویر را استخراج کنند و در نهایت به تشخیص و محلی سازی آن‌ها بپردازند.

متن يادداشت

Fighting forest fires to avoid their potential dangers as well as protect natural resources is a challenge for researchers. This study aims to identify the features of fire and smoke from the unmanned aerial vehicle (UAV) visual images for classification, object detection, and image segmentation. Because forests are highly complex and nonstructured environments, the use of the visual system is still having problems such as the analogues of flame characteristics to sunlight, plants, and animals, or the smoke blocking the images of the fire, which causes false alarms. The proposed method in this thesis uses convolutional neural networks (CNNs) as a deep learning method that discovers the required features without extracting its feature in different layers. First, a 12-layer network is proposed for the classification and then the use of a transitional learning method for image segmentation. The results show that the data augmentation method used prevents the drastic reduction of the feature. Also, the used CNNs can extract the fire and smoke features in the images well and finally detect and localize them

عنوان گونه گون

An Intelligent Vision System for Automatic Forest Fire Surveillance Using Unmanned Aerial Vehicles

عنصر شناسه اي

‏کیهان پناه،

ساير عناصر نام

‏‏محمدصادق

کد نقش

تهيه کننده

عنصر شناسه اي

‏کوهستانی،

عنصر شناسه اي

‏سرباز،

ساير عناصر نام

‏بهروز

ساير عناصر نام

‏یاشار

تاريخ

استاد راهنما

تاريخ

استاد مشاور

عنصر شناسه اي

‏ تبریز