Пошук академічних текстів

Інформація × Реєстраційний номер 2125U002846, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Автоматизоване виявлення вибухових вирв та пошкоджень ґрунту як індикаторів можливої наявності мін Автор Мальгінова Марія РусланівнаMalhinova Mariya Ruslanivna Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/75825 Видання Київ Опис Дипломна робота: 118 ст., 24 рис., 7 табл., 50 посилання, 1 додаток. У роботі розглянуто проблему автоматизованого виявлення вибухових вирв і змін ґрунтового покриву як потенційних ознак мінної небезпеки на основі супутникових знімків. Об’єктом дослідження є процес виявлення слідів вибухів на місцевості, а предметом – застосування методів комп’ютерного зору та глибокого навчання, зокрема архітектури U-Net, для сегментації зображень з радарних (SAR) та оптичних каналів. Оглянуто існуючі підходи до сегментації супутникових знімків, проаналізовано особливості SAR та оптичних даних у задачах виявлення пошкоджень ґрунту. Розроблено підхід до формування навчального датасету на основі мультиспектральних каналів, включаючи канали NIR та SWIR2, з урахуванням індексів вегетації та змін структури поверхні. Реалізовано повний цикл обробки зображень: від попередньої обробки до навчання моделі глибокої сегментації. Отримано метрики якості сегментації, що демонструють задовільний рівень точності та повноти, з покращенням на окремих вибірках. Установлено, що ефективність моделі залежить від типу вхідних зображень та повноти навчальних даних. Запропоновано розширення датасету для покращення генералізації та стабільності результатів. Метою даної роботи є дослідження та розробка алгоритму автоматизованого виявлення вибухових вирв та пошкоджень ґрунту на основі супутникових знімків, що дозволяє з високою точністю ідентифікувати потенційно міновані території. Bachelor's thesis: 118 p., 24 figures, 7 tables, 50 references, 1 appendix. The study addresses the problem of automated detection of explosion craters and soil surface disturbances as potential indicators of mine contamination, based on satellite imagery. The object of the research is the process of identifying explosive impact traces on the terrain, while the subject is the application of computer vision and deep learning methods–specifically the U-Net architecture–for the segmentation of radar (SAR) and optical imagery. Existing approaches to satellite image segmentation are reviewed, and the characteristics of SAR and optical data in the context of detecting soil disturbances are analyzed. A method for constructing a training dataset based on multispectral channels, including NIR and SWIR2, has been developed, taking into account vegetation indices and surface structure changes. A full image processing pipeline has been implemented, from preprocessing to training a deep segmentation model. Segmentation quality metrics obtained indicate a satisfactory level of precision and recall, with improved performance observed on selected samples. It has been established that the model’s effectiveness depends on the type of input imagery and the completeness of the training data. Dataset expansion is proposed as a means of improving the model’s generalization ability and stability. The purpose of this work is to investigate and develop an algorithm for the automated detection of explosion craters and soil damage using satellite imagery, enabling the accurate identification of potentially mined areas. Додано в НРАТ 2025-11-05 Закрити