Search academic texts

Information × Registration Number 2124U001637, Article popup.category Бакалаврська робота Title popup.author Григоренко Євгеній Михайлович popup.publication 01-01-2024 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/69200 popup.publisher Київ Description Ця робота є актуальною через зростаючу потребу виявлення нафтових плям у водах для моніторингу морського середовища та прийняття заходів щодо їх ліквідації. Сучасні методи семантичної сегментації зображень, засновані на супутникових даних, дозволяють значно підвищити ефективність виявлення та контролю забруднень. У роботі використовуються дані звітів про спостереження за забрудненням моря (MPSR) для створення датасету та супутникові знімки для аналізу та експериментів. Робота складається з декількох етапів, включаючи огляд літератури, підготовку датасету, імплементацію моделей сегментації та оцінку їх продуктивності. Для реалізації та навчання моделей було використано бібліотеку PyTorch Lightning. Особлива увага приділена порівнянню різних архітектур моделей та функцій втрат для семантичної сегментації нафтових плям. У ході численних експериментів оцінено точність моделей за метриками Intersection over Union (IoU) та F1-Score (Dice Score). Результати показали, що використання таких архітектур моделей як UNet++ та DeepLabV3+, забезпечує високу точність виявлення нафтових плям. Дослідження також виявило оптимальні параметри навчання для цих моделей, що може бути використано для подальшого моніторингу забруднень морського середовища. Таким чином, результати даного дослідження дозволяють визначити ефективні моделі та параметри для семантичної сегментації нафтових плям у водах на основі супутникових зображень, що сприяє покращенню методів моніторингу та охорони довкілля. popup.nrat_date 2025-01-29 Close