Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Tidig detektering av skogsbränder med hjälp av högupplöst data: Automatisk identifiering med hjälp av bildbehandling
Högskolan i Gävle, Akademin för teknik och miljö, Avdelningen för datavetenskap och samhällsbyggnad, Datavetenskap.
Högskolan i Gävle, Akademin för teknik och miljö, Avdelningen för datavetenskap och samhällsbyggnad, Datavetenskap.
2019 (Svenska)Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
Hållbar utveckling
Uppsatsen/examensarbetet har inslag av hållbar utveckling enligt högskolans kriterier
Abstract [sv]

Skogsbränder är svåra att upptäcka i ett tidigt stadie, vilket leder till förödande konsekvenser. Hela 30 % av koldioxiden som atmosfären tar emot kommer från skogsbränder. Flera tusentals människor och djur mister livet eller tvingas lämna sina hem. Det finns idag flera tekniker som med varierande framgång kan upptäcka skogsbränder. I detta arbete skall en alternativ metod för rökdetektering utvecklas och testas. Metoden ska vara möjlig att appliceras på UAV (Unmanned Aerial Vehicle) teknik. Arbetet fokuserar på att skilja på brandrök och dimma med högupplöst data. Två algoritmer prövas, SDA (Statistisk distributions algoritm) och KBA (Kunskapsbaserad igenkännings algoritm). Den första testar statistiska distributioner för att hitta unika identifierare för rök. Den andra algoritmen är baserad på kunskapen om rök vad gäller spektrala och morfologiska egenskaper. Röken identifieras med hjälp av form, area och kanter. Algoritmen visade en precision med 90 % i bilder innehållande rök och en feldetektering med 20 % för bilder innehållande dimma.

Abstract [en]

It is very difficult to discover forest fires in an early stage which can lead to devastat-ing consequences. Today, 30% of the total carbon dioxide that is released in the at-mosphere comes from forest fires. Thousands of human beings and animals are killed or forced to leave their homes every year. There are a variety of techniques today that is being used for discovering forest fires but whom lack in accuracy or has problems with a large amount of false alarms. This paper is an experimental study to try to solve this issue. The proposed method in this paper could be applied on UAV (Unmanned Arial Vehicles). This study will focus on identifying smoke regions from forest fires and removing fog objects which has similar characteristics as smoke. Two algorithms are tested, SDA (Statistical distributions algorithm) and KBA (Knowledge-based identification algorithm). The SDA uses statistic distribution al-gorithm where smoke and fogs characteristics are identified. The second algorithm, KBA, is a knowledge-based algorithm, where the shape, area and edges of the smoke’s characteristics are applied. The algorithm showed a 90 % accuracy for find-ing smoke in images with a false alarm rate of 20 % in images of fog.

Ort, förlag, år, upplaga, sidor
2019. , s. 38
Nyckelord [en]
Statistic distribution, UAV, forest fires, fog, smoke
Nyckelord [sv]
Statistiska distributioner, UAV, skogsbränder, dimma, rök
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:hig:diva-29786OAI: oai:DiVA.org:hig-29786DiVA, id: diva2:1322997
Ämne / kurs
Datavetenskap
Utbildningsprogram
IT/GIS - informationsteknologi med GIS-inriktning
Handledare
Examinatorer
Tillgänglig från: 2019-06-13 Skapad: 2019-06-11 Senast uppdaterad: 2019-06-13Bibliografiskt granskad

Open Access i DiVA

fulltext(1293 kB)26 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1293 kBChecksumma SHA-512
61c19eff7e6c4eafb1b4311ed38ed126ae95622c5666d8447e465a41dfb8e4a0a32150a7064a0536a4db0fc35ee3c82dd06579a9d362f5dc93b1fa728e9ca933
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Åsberg, Philip
Av organisationen
Datavetenskap
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 26 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 71 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf