URI | http://purl.tuc.gr/dl/dias/920E3E79-577F-4965-8DB1-C202175F9924 | - |
Identifier | https://doi.org/10.26233/heallink.tuc.95934 | - |
Language | en | - |
Extent | 73 pages | en |
Extent | 28.4 megabytes | en |
Title | Real time spectral classification and mapping for insitu detection of plant pathologies | en |
Title | Φασματική ταξινόμηση και χαρτογράφηση πραγματικού χρόνου για την επιτόπια ανίχνευση παθολογιών των φυτών | el |
Creator | Takas Panagiotis | en |
Creator | Τακας Παναγιωτης | el |
Contributor [Thesis Supervisor] | Balas Costas | en |
Contributor [Thesis Supervisor] | Μπαλας Κωστας | el |
Contributor [Committee Member] | Bletsas Aggelos | en |
Contributor [Committee Member] | Μπλετσας Αγγελος | el |
Contributor [Committee Member] | Samoladas Vasilis | en |
Contributor [Committee Member] | Σαμολαδας Βασιλης | el |
Publisher | Πολυτεχνείο Κρήτης | el |
Publisher | Technical University of Crete | en |
Academic Unit | Technical University of Crete::School of Electrical and Computer Engineering | en |
Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
Content Summary | 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. | en |
Content Summary | 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. | el |
Type of Item | Διπλωματική Εργασία | el |
Type of Item | Diploma Work | en |
License | http://creativecommons.org/licenses/by-nc/4.0/ | en |
Date of Item | 2023-05-19 | - |
Date of Publication | 2023 | - |
Subject | Vegetation indices | en |
Subject | Machine learning | en |
Subject | Spectroscopy | en |
Bibliographic Citation | Panagiotis Takas, "Real time spectral classification and mapping for insitu detection of plant pathologies", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2023 | en |
Bibliographic Citation | Παναγιώτης Τάκας, "Φασματική ταξινόμηση και χαρτογράφηση πραγματικού χρόνου για την επιτόπια ανίχνευση παθολογιών των φυτών", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2023 | el |