UPORABA RAČUNALNIŠKEGA VIDA BREZPILOTNEGA LETALNIKA ZA ODKRIVANJE OLJNIH MADEŽEVStarc, Andrej (Avtor) Grm, Aleksander (Mentor) Računalniški vidumetna inteligencakonvolucijske nevronske mrežebrezpilotni letalnikoljni madežidetekcijaPomorske nesreče, katere vključujejo izlitje oljnih tekočin, predstavljajo grožnjo okolju že od samega začetka pomorske industrije. Že najmanjše izlitje oljnih tekočin lahko močno ogrozi življenjski prostor, ter lahko uniči življenje tistih, kateri so odvisni od njega. Večja nenamerna izlitja in protizakoniti izlivi oljnih tekočin, kot so as Exxon Valdez, Deepwater Horizon, Sea Empress, afera namernega in protizakonitega izlivanja oljnih tekočin podjetja Irika Shipping, so bili povod k strožjim regulacijami v industriji in napredovanju tehnik nadzorovanja in spremljanja oljnih madežev z namenom boljše zaščite naravnega okolja. Sodobne tehnike nadzora in spremljanja izlitja oljnih tekočin sestavljajo napredne rešitve daljinskega zaznavanja, katere uporabljajo pasivne in aktivne senzorje za zaznavo svetlobnega snopa odbitega od površine. Aktivni mikrovalovni senzorji, kot je radar s sintetično zaslonko, so pogosto uporabljeni na satelitih in zemeljskih postajah, ki oddajajo svetlobo proti vodni gladini, ter opazujejo ta isti odbiti snop. Pasivni senzorji so finančno bolj dostopna tehnologija, kateri sestavljajo običajne kamere, ter ostale specialne. Taki senzorji ne oddajajo svetlobe, ampak le zaznavajo svetlobo (infrardečo, vidno, termo infrardečo, mikrovalovno), katera se je odbila od površine zaradi drugega vira svetloba kot je sonce. Magistrska naloga se posveča vprašanju o možnosti odkrivanja oljnih madežev s pasivnim senzorjem (običajna kamera), katera je pritrjena na brezpilotni letalnik z istočasno uporabo umetne inteligence. Po tej začetni analizi se je pojavilo vprašanje v zvezi s kakovostjo nabora slik za treniranje nevronske mreže, ko je bilo potrebno prenesti celoten nabor slik oljnih madežev iz spleta, vključno z vprašanjem ali je predhodno natrenirana nevronska mreža primerna za soočenje s problemom o ustreznemu zaznavanju nepravilnih oblik oljnih madežev in različnih odtenkov morja. Eksperimentalno postavitev predstavlja tovarniško sestavljen brezpilotni letalnik DJI Mavic 2 Enterprise Dual, RGB kamera, katera je del letalnika, ter algoritmi računalniškega vida. Odločeno je bilo, da se modele umetne inteligence nauči prepoznati tri razrede predmetov: čisto morje, oljni madež in pomol. Uporabljena sta bila dva različna algoritma: AlexNet za prepoznavo slik in YOLOv7 za odkrivanje predmetov. Oba algoritma sta bila natrenirana na enakemu naboru slik, kateri je bil delno ustvarjen v Luki Koper in delno prenešen iz spleta. Nabor slik je osredotočen na slike posnete v optimalnih vremenskih pogojih, kjer je morje bilo mirno in nebo jasno. Posledično treniranje nevronskih mrež na takemu naboru slik doprinese nekaj omejitev, kot je zaznavanje temnih oljnih madežev v temnejšemu okolju, ter zaznavanje oljnih madežev v primeru razburkanega morja, kar ni zaželeno. Za poenostavitev problema o vzpostavitvi sistema, kateri bi bil sposoben prepoznati oljne madeže v katerem koli okolju, je bil namesto tega predstavljen osnoven sistem, kateri je sposoben zaznati oljne madeže le v idealnih pogojih in katerega se lahko kasneje bolj temeljito razišče, ter nadgradi. Magistrska naloga dokazuje, da se oljni madeži lahko odlično identificirajo v izbranem okolju z uporabo vsakdanje kamere pritrjene na brezpilotni letalnik in predhodno natrenirane nevronske mreže. Zmogljivosti klasifikacije objektov obeh algoritmov so izjemne (približno 1%) medtem, ko je aritmetična sredina natančnosti in preklica presegla 80%. Zadovoljivo natrenirani modeli so primerni za zaznavo oljnih madežev v živo z uporabo RGB kamere medtem, ko edina pomanjkljivost sistema je uporaba le tega v izključno svetlem delu dneva in obvezna izognitev slabemu vremenu (nad beauforjem 5).20222022-12-15 08:45:02Magistrsko delo/naloga143339VisID: 32107COBISS_ID: 138952195sl