| dc.description.abstract | Ζητούμενο της σύγχρονης εποχής, έχει αποτελέσει η αναβάθμιση του βιοτικού επιπέδου, με τον τομέα της αγροτικής παραγωγής να αποτελεί ίσως το σημαντικότερο πυλώνα. Η πληθυσμιακή αύξηση καθώς και η κλιματική αλλαγή, επιβάλλουν αυξανόμενη πίεση στην παγκόσμια αγροτική παραγωγή, δημιουργώντας την ανάγκη διασφάλισης της μέγιστης αποδοτικότητας των καλλιεργειών, σε ένα φιλικό προς το περιβάλλον πλαίσιο, αξιοποιώντας σύγχρονες μεθόδους και καινοτομίες. Σήμερα, η Γεωργία Ακρίβειας, συνδυάζοντας τις δυνατότητες της τηλεπισκόπησης και αξιοποιώντας τα οφέλη της μηχανικής μάθησης, είναι ικανή να δώσει λύση στο παραπάνω ζήτημα. Η ενσωμάτωση αισθητήρων σε μη επανδρωμένα αεροσκάφη, εξάγει έναν τεράστιο όγκο πληροφορίας, επιτρέποντας την παρατήρηση αλλά και την διαχείριση των καλλιεργειών κατα τον βέλτιστο τρόπο. Στόχος της παρούσας διπλωματικής εργασίας αποτελεί η συλλογή πληροφορίας, που προέρχεται από πτήσεις μη επανδρωμένων αεροσκαφών και η αξιοποίηση της, με την εφαρμογή αλγορίθμων μηχανικής μάθησης. Πραγματοποιείται ανάλυση δεδομένων Γεωργίας Ακρίβειας με απώτερο σκοπό την εξαγωγή ενός μοντέλου πρόβλεψης και γεωεντοπισμού της βλάστησης, διαχωρίζοντας την από τυχόν ζιζάνια, θηλαστικά και άλλους εξωγενείς παράγοντες. Για τους σκοπούς της εργασίας, τα δεδομένα συλλέγονται με αισθητήρες τηλεπισκόπησης από καλλιέργειες κρόκου, στη γεωγραφική περιοχή της Κοζάνης, στην κεντρική Ελλάδα. Ενισχυτικά, προς επίρρωση της διαδικασίας υλοποίησης, γίνεται χρήση επιπλέον dataset με δεδομένα που αφορούν καλλιέργειες ζαχαρότευτλων σε περιοχές της Γερμανίας. Η μεθοδολογία που εφαρμόζεται για την επίτευξη των παραπάνω, περιλαμβάνει την συλλογή και επεξεργασία έγχρωμων, πολυφασματικών και θερμικών εικόνων, τον υπολογισμό δεικτών βλάστησης και ψηφιακών μοντέλων επιφάνειας και την συγκέντωση τους, σε σύνολα δεδομένων(dataset). Ο σχολιασμός των εικόνων για την εξαγωγή των προβλέψεων αναπτύχθηκε βάσει αυτοματοποιημένης μεθόδου, στα πρότυπα μηχανικής μάθησης, ενώ για την ταξινόμηση των εικονοστοιχείων και την διαμόρφωση μοντέλων πρόβλεψης, αναπτύχθηκαν οι αλγόριθμοι Τυχαίων Δασών και Πολυεπίπεδων Τεχνητών Νευρωνικών Δικτύων. Ως αποτέλεσμα της εργασίας, προκύπτει ένα σύνολο ορθομωσαϊκών ground truth, σχετικά με την πιστή ανίχνευση και αναπαράσταση των επιμέρους στοιχείων της εκάστοτε καλλιέργειας. Η αξιολόγηση των μεθόδων ταξινόμησης και οι στατιστικές αναλύσεις των κλάσεων, παρουσιάζονται συγκεντρωτικά σε αντίστοιχους πίνακες, ενώ για την αξιοποίηση των DSM και θερμικών δεδομένων και την οπτικοποίηση τους, αναπτύσσοονται τα ανάλογα ιστογράμματα. | en_US |
| dc.subject | Γεωργία ακριβείας, Μη επανδρωμένα αεροχήματα, Φωτογραμμετρία, Φωτοερμηνεία, Τηλεπισκόπηση, Δείκτες βλάστησης, Θερμικές απεικονίσεις, Μηχανική όραση | en_US |
