Тип работы:
Предмет:
Язык работы:


РАЗРАБОТКА ПОДСИСТЕМЫ ИНТЕГРАЦИИ ВИДЕОАНАЛИТИКИ С БЕСПИЛОТНОГО ЛЕТАТЕЛЬНОГО АППАРАТА

Работа №182118

Тип работы

Бакалаврская работа

Предмет

математика

Объем работы66
Год сдачи2023
Стоимость4660 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
11
Не подходит работа?

Узнай цену на написание


АННОТАЦИЯ 5
ВВЕДЕНИЕ 3
1 Предметная область 4
1.1 Использование различных систем мониторинга местности 4
1.2 Архитектура системы ВАДИ 7
2 Проектирование и разработка 9
2.1 Анализ аналогов 9
2.2 Проектирование 12
2.2. Функциональные требования 12
2.2.2Нефункциональные требования 12
2.2.3Проектирование подсистемы интеграции навигационных данных 13
2.2.4Проектирование системы видеоаналитики 24
2.3 Разработка 25
3 Реализация подсистемы интеграции навигационных данных 29
ЗАКЛЮЧЕНИЕ 32
СПИСОК ЛИТЕРАТУРЫ 34
ПРИЛОЖЕНИЕ А. Акт о внедрении 37

На территории России ежегодно регистрируется от 10 до 35 тысяч лесных пожаров, охватывающих площади от 0,5 до 2,5 млн га. При этом неофициальные оценки учёных, полученные, в том числе благодаря аэрофотосъёмке, могут достигать цифры в 8 млн га.
Лесные пожары приносят значимый ущерб состоянию лесных массивов и лесничеств на территории Российской Федерации. Для обнаружения источников проблем такого характера существует множество подходящих решений. Среди них можно выделить: пассивное видеонаблюдение, обход территории силами лесников или
использование беспилотных летательных аппаратов. Последний метод является перспективным и удобным способам получения информации о состоянии леса.
Такая система позволит диспетчеру однозначно понимать положение одного или нескольких летательных аппаратов для координации действий с наиболее эффективных покрытием территории лесничества с минимальными трудозатратами.
Цель создания системы - автоматизация действия должностных лиц по мониторингу лесных массивов и сельскохозяйственных угодий с целью обнаружения лесных пожаров на ранней стадии.
Целью выпускной квалификационной работы является разработка подсистемы интеграции видеоаналитики с беспилотного летательного аппарата.
Для реализации поставленной цели необходима реализация следующих задач:
- изучить предметную область;
- проанализировать аналоги;
- спроектировать и разработать подсистему интеграции навигационных данных;
- спроектировать и разработать подсистему интеграции видеоаналитики;
- провести тестирование и внедрение.
Выпускная квалификационная работа состоит из введения, 4 глав, заключения, списка литературы и приложения.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Разработана подсистема интеграции видеоаналитики с беспилотного летательного аппарата в составе:
- подсистемы интеграции навигационных данных;
- подсистемы интеграции видеоаналитики.
Процесс разработки делился на этапы:
Изучение предметной области;
Проектирование и разработка подсистемы интеграции видеоаналитики беспилотного летательного аппарата
Реализовать подсистему интеграции видеоаналитики беспилотного летательного аппарата.
На первом этапе была Изучена предметная область
На втором этапе был произведен поиск аналогов, и были выявлены основные и дополнительные требования, предъявляемые к подсистеме. А именно были выявлены функциональные и нефункциональные требования:
Функциональные требования:
- получение навигационных данных беспилотного летательного аппарата с сервера
- формирование данных для построения траектории полета и для отображения на карте
- получение и передача данных видеопотока на модуль анализа видеоданных
Нефункциональные требования:
- надёжность;
- масштабируемость;
Затем была спроектирована подсистема и реализована подсистема интеграции видеоаналитики с беспилотного летательного аппарата на основе выявленных требований.
Обеспечена работа с БПЛА:
- предоставлен доступ всей оперативной информации от БПЛА (в том числе местоположения на карте);
- представлен весь доступ информации на карте;
- отображение картографических слоёв потенциальных лесных пожаров с возможностью фильтрации по времени. При обнаружении он сразу отображается на картографическом слое.
- Данные, полученные с БПЛА, передаются в модуль анализа видеоданных Система успешно прошла тестирование и внедрение.
Таким образом, подводя итог всех работ, которые были проведены для выполнения целей и задач, можно сделать вывод о том, что цель была достигнута, а все задачи были выполнены.



1. СТЕПАНОВ С.Ю. et al. Мониторинг данных дистанционного зондирования Земли по данным спутника Landsat // Информационные технологии и системы управление, экономика, транспорт, право. 2020. P. 206-216.
2. Р. С. Багаутдинов et al. Исследование возможности использования космических снимков для выявления археологических объектов // Компьютерная оптика. 2015. P. 439-444.
3. Xu R. et al. A Forest Fire Detection System Based on Ensemble Learning // Forests. 2021. Vol. 12, № 2.
4. Васюков В.Н., Зайцева А.Ю., Бондаренко В.В. Система раннего обнаружения лесных пожаров - архитектура и алгоритмы // Доклады АН ВШ РФ. Novosibirsk State Technical University, 2015. № 2. P. 43-56.
5. Ксенофонтов Ю.Г. Применение технических систем раннего обнаружения лесных пожаров для защиты окружающей среды. Железногорск, 2020. P. 200-206.
6. Данилов В.В. et al. Сегментация на основе распространения динамически изменяющихся суперпикселей // Program. Comput. Softw. Pleiades Publishing, 2020. Vol. 46, № 3. P. 195-206.
7. Данилов В. et al. Анализ глубоких нейронных сетей для обнаружения стеноза коронарных артерий // Program. Comput. Softw. Pleiades journals, 2021. Vol. 47, № 3. P. 153-160.
8. Данилов В.В. et al. Сравнительное исследование моделей глубокого обучения для автоматического обнаружения стеноза коронарных артерий в рентгеновской ангиографии // Proceedings of the 30th International Conference on Computer Graphics and Machine Vision., 2020. P. Т. 2744.
9. Михайличенко А.А., Демяненко Я.М. Выделение контуров костей коленного сустава на медицинских рентгенограммах.
10. Брумин А.З. et al. Система интеллектуального мониторинга и прогнозирования условий возделывания сельскохозяйственных культур // Инновационные достижения науки и техники АПК. 2020. P. 573-576.
11. Токарев К.Е. геоинформационный мониторинг состояния посевов сельскохозяйственных культур на основе интеллектуального анализа и визуализации вегетационных индексов // научное обоснование стратегии развития апк и сельских территорий в xxi веке Волгоград. Волгоград, 2020. P. 139-144.
12. Волков А.К., Басенков Н.В., Яманчев И.А. применение нейросетей в задаче распознавания запрещенных предметов // ББК 3 П27. 2021. P. 126.
13. Макунина Я.С., Никончук А.В. анализ возникновения лесных пожаров в россии // инновации в химико-лесном комплексе: тенденции и перспективы развития. 2021. P. 24-26.
14. Mahmoud M.A.I., Ren H. Forest Fire Detection Using a Rule-Based Image Processing Algorithm and Temporal Variation // Math. Probl. Eng. / ed. Bianco V. Hindawi,
2018. Vol. 2018. P. 7612487.
15. Cetin A.E. et al. Video fire detection-review // Digit. Signal Process. Elsevier, 2013. Vol. 23, № 6. P. 1827-1843.
..30


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ