Методи штучного інтелекту для виявлення пожеж на супутникових знімках

Скорочена інформація про документ
dc.contributor.advisorКузьменко, Ігор Миколайович
dc.contributor.authorПархомчук, Дмитро Юрійович
dc.date.accessioned2025-01-08T10:35:55Z
dc.date.available2025-01-08T10:35:55Z
dc.date.issued2024
dc.descriptionПрограма для виявлення пожеж на супутниковими знімках є розробкою, яка використовує сучасні технології штучного інтелекту для автоматичного аналізу зображень із супутників з метою виявлення пожеж на ранніх стадіях. Основна мета програми — забезпечити ефективне та своєчасне виявлення загроз, що дозволить мінімізувати екологічні та економічні збитки, а також покращити швидкість реагування відповідних служб. Програма обробляє супутникові знімки, нормалізує їх та здійснює автоматичне розпізнавання пожежі за допомогою нейронних моделей, таких як згорткові нейронні мережі CNN, Inception Network і MobileNet. Вона візуалізує результати аналізу з точними даними про ймовірність пожежі, які можна використовувати для прийняття рішень. Цей інструмент є незамінним для моніторингу великих територій, забезпечуючи надійний аналіз навіть за складних погодних умов або обмежених ресурсів.
dc.description.abstractДипломна робота виконана на 97 сторінках, містить 14 ілюстрацій, 22 таблиці, 1 додаток, 35 джерел у переліку посилань. Мета роботи – розробка програмного продукту для виявлення пожеж на супутникових знімках із використанням методів штучного інтелекту. Методи та засоби: супутникові знімки високої роздільної здатності, мова програмування Python, бібліотеки TensorFlow та Keras для побудови та навчання згорткових нейронних мереж, методи передобробки даних із використанням PIL та NumPy, бібліотека для побудови звітів Matplotlib, фреймворк Flask для створення веб-інтерфейсу, інструменти для обробки та нормалізації зображень, супутникові платформи Copernicus і Landsat для отримання даних. Результат – програмний продукт, який автоматично аналізує супутникові знімки, ідентифікує пожежі.
dc.description.abstractotherThe thesis comprises 97 pages, includes 14 illustrations, 22 tables, 1 appendix, and 35 references. Objective – development of a software product for detecting wildfires on satellite images using artificial intelligence methods. Methods and tools: high-resolution satellite images, Python programming language, TensorFlow and Keras libraries for building and training convolutional neural networks, data preprocessing methods using PIL and NumPy, Matplotlib library for report generation, Flask framework for creating a web interface, tools for image processing and normalization, and satellite platforms Copernicus and Landsat for data acquisition. Result – a software product that automatically analyzes satellite images and identifies wildfires.
dc.format.extent97 с.
dc.identifier.citationПархомчук, Д. Ю. Методи штучного інтелекту для виявлення пожеж на супутникових знімках : магістерська дис. : 122 Комп’ютерні науки / Пархомчук Дмитро Юрійович. – Київ, 2024. – 97 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71704
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectвиявлення пожеж
dc.subjectсупутникові знімки
dc.subjectштучний інтелект
dc.subjectглибоке навчання
dc.subjectнейронні мережі
dc.subjectмоніторинг
dc.subjectточність
dc.subjectаналіз зображень
dc.subjectfire detection
dc.subjectsatellite images
dc.subjectartificial intelligence
dc.subjectdeep learning
dc.subjectneural networks
dc.subjectmonitoring
dc.subjectaccuracy
dc.subjectimage analysis
dc.titleМетоди штучного інтелекту для виявлення пожеж на супутникових знімках
dc.title.alternativeМетоди штучного інтелекту для виявлення пожеж на супутникових знімках
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Parhomchuk_magistr.pdf
Розмір:
2.23 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ЦТЕ)
Магістерські роботи