Institutional Repository
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI: | http://purl.tuc.gr/dl/dias/8BAE52F6-9E8B-45BE-9AD9-CFF007BC0069 | ||
| Year | 2025 | ||
| Type of Item | Master Thesis | ||
| License |
|
||
| Bibliographic Citation | Παππά Μαρία Ιωάννα, "Αναγνώριση κεραυνών σε καταιγίδα με τη χρήση τεχνητής νοημοσύνης", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Στρατιωτική Σχολή Ευελπίδων, Χανιά, Ελλάς, 2025 https://doi.org/10.26233/heallink.tuc.103452 | ||
| Appears in Collections |
Η αναγνώριση κεραυνών αποτελεί ένα κρίσιμο πεδίο έρευνας με ποικίλες εφαρμογές, καθώς ο κεραυνός χαρακτηρίζεται ως ένα επικίνδυνο φυσικό φαινόμενο με σοβαρές επιπτώσεις για την ανθρώπινη ζωή, τις υποδομές αλλά και το περιβάλλον. Στην παρούσα εργασία εξετάζεται η χρήση τεχνητής νοημοσύνης για την αναγνώριση κεραυνών σε καταιγίδες. Η βιβλιογραφική ανασκόπηση εξετάζει τις θεωρητικές προσεγγίσεις και τις απαραίτητες έννοιες που σχετίζονται με το θέμα αυτό. Αναφέρονται οι παραδοσιακές μέθοδοι στην αναγνώριση κεραυνών, οι οποίες βασίζονται κυρίως στις αρχές της φυσικής και των μαθηματικών. Επιπλέον, αναφέρεται η χρήση της τεχνητής νοημοσύνης, των νευρωνικών δικτύων και διεργασίες που αφορούν την επεξεργασία της εικόνας και την υπολογιστική όραση. Για την υλοποίηση του πειραματικού μέρος, αναλύθηκαν και αναπτύχθηκαν τα μοντέλα βαθιάς μάθησης YOLOv5 και YOLOv8, τα οποία εκπαιδεύτηκαν σε ένα σύνολο δεδομένων από εικόνες, οι οποίες συλλέχθηκαν από διάφορες πηγές. Τα YOLO αποτελούν δημοφιλή μοντέλα βαθιάς μάθησης για την ανίχνευση αντικειμένων σε πραγματικό χρόνο, ενώ θεωρούνται μοντέλα State-of-The-Art (SOTA) σε πολλές εφαρμογές. Η εργασία επικεντρώνεται στην ανάλυση της απόδοσης των μοντέλων αυτών στην αναγνώριση κεραυνών. Τέλος, πραγματοποιείται λεπτομερής εξέταση των πειραματικών αποτελεσμάτων και αποδεικνύονται οι δυνατότητες της τεχνητής νοημοσύνης στην ανίχνευση κεραυνών.
Copyright © DIAS 2013
