Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin
Προβολή ημερολογίου Προβολή ημερολογίου
Προβολή λίστας Προβολή λίστας
iCal - Εκδηλώσεις μήνα iCal - Εκδηλώσεις μήνα
iCal - Εκδηλώσεις 6 μηνών iCal - Εκδηλώσεις 6 μηνών
RSS - Εκδηλώσεις μήνα RSS - Εκδηλώσεις μήνα
RSS - Εκδηλώσεις 6 μηνών RSS - Εκδηλώσεις 6 μηνών

18
Μαϊ

Παρουσίαση Διπλωματικής Εργασίας κ. Παναγιώτη Τάκα - Σχολή ΗΜΜY
Κατηγορία: Παρουσίαση Διπλωματικής Εργασίας  
Τοποθεσία
Ώρα18/05/2023 11:30 - 12:30

Περιγραφή:

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Παναγιώτη Τάκα

με θέμα

Φασματική Ταξινόμηση και Χαρτογράφηση Πραγματικού Χρόνου για την Επιτόπια Ανίχνευση Παθολογιών των Φυτών
Real Time Spectral Classification and Mapping for In Situ Detection of Plant Pathologies

Εξεταστική Επιτροπή

Καθηγητής Kωνσταντίνος Μπάλας (επιβλέπων)
Καθηγητής Άγγελος Μπλέτσας
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς 

Περίληψη

Φασματοσκοπία είναι η μελέτη της αλληλεπίδρασης μεταξύ της ύλης και του φωτός για την απόκτηση δομικών και χημικών πληροφοριών. Η φασματική απεικόνιση χρησιμοποιεί μια πληθώρα στενού φάσματος εικόνων σε όλο το ηλεκτρομαγνητικό φάσμα για τη συλλογή και ανάλυση φασματικών και εικονικών πληροφοριών ταυτόχρονα. Η φασματική πληροφορία μπορεί να χρησιμοποιηθεί για τη δημιουργία χημικών χαρτών της εικονιζόμενης περιοχής μέσω της καταγραφής του φάσματος κάθε μεμονωμένου εικονοστοιχείου (pixel) και τη χρήση του ως συνόλου δεδομένων για αλγορίθμους συσταδοποίησης. Για αυτόν τον σκοπό, ένα υπερφασματικός φακός χρησιμοποιήθηκε για τη συλλογή δεδομένων και τον εντοπισμό ανωμαλιών και παθολογιών σε φυτά από τα πρώιμα στάδια ανάπτυξης τους. Τα αποκτηθέντα δεδομένα ταξινομήθηκαν χρησιμοποιώντας αλγορίθμους συσταδοποίησης που αναπτύχθηκαν με χρήση του Qt Firmware για το γραφικό περιβάλλον και της C++ για τον κώδικα. Σε μια προσπάθεια για επίτευξη πραγματικού χρόνου χαρτογράφησης και βέλτιστης φασματικής ταξινόμησης, η χρήση της υπολογιστικής ικανότητας της GPU ήταν αναγκαία. Οι παραγόμενοι χάρτες αποτελούνται από ψευδοχρώματα όπου κάθε ψευδοχρώμα αντιστοιχεί σε μια ομάδα pixel με φασματικές ομοιότητες. Αυτές οι ομοιότητες, σε συνδιασμό με τoυς πιο ευρέως χρησιμοποιούμενους Vegetation Indices , μελετήθηκαν σε φυτά που είχαν υποβληθεί 
σε άγχος όπως αύξηση αλμυρότητας και περίσσεια χρήση νερού. Τα ευρήματα από το πείραμα τονίζουν τη δυνατότητα για πρόωρη ανίχνευση καταστροφής των φυτών.

Abstract 

Spectroscopy is the study of interaction between matter and light to obtain structural and chemical information. Spectral imaging uses a plethora of narrow-band images across the electromagnetic spectrum to collect and analyze this kind of spectroscopic and imaging information at the same time. Spectroscopic information can be used to create chemical maps of the imaged area through capturing the spectrum of each
individual pixel of the image and using it as data set for classification algorithms. For this purpose a hyperspectral camera has been acquired to collect data and detect abnormalities and pathologies in plants and then study if they are detectable from an early stage. The acquired data were classified using clustering algorithms which were developed using Qt Firmware for the GUI and C++ for the main source. In an effort to achieve real time mapping and optimal spectral classification, the usage of GPU’s computational capability was mandatory . The produced maps consist of pseudocolors where each pseudocolor corresponds to a cluster of pixels with spectral similarities. These similarities along with broadly used vegetation indices were studied in plants which have been submitted under stressful conditions (e.g. increased salinity) using our developed algorithms. The findings from the experiment highlight the potential for an early detection of plant’s destruction.

Προσθήκη στο ημερολόγιό μου
© Πολυτεχνείο Κρήτης 2012