| Form of studies |
Professional Master |
| Title of the study programm |
|
| Title in original language |
Datorredzes un augstas veiktspējas skaitļošanas pielietojums ūdens kvalitātes un zemūdens piesārņojuma noteikšanā |
| Title in English |
Application of Computer Vision and High-Performance Computing for Water Quality and Underwater Pollution Detection |
| Department |
Dabas un inženierzinātņu centrs |
| Scientific advisor |
Uldis Žaimis |
| Reviewer |
Anita Jansone |
| Abstract |
Darba autors: Andrejs Šalms
Darba tēma: “Datorredzes un augstas veiktspējas skaitļošanas pielietojums ūdens kvalitātes un zemūdens piesārņojuma noteikšanā”
Darba veids: Maģistra darbs
Studiju programma: Profesionālā maģistra studiju programma “Informācijas tehnoloģija”
Darba zinātniskais vadītājs: Uldis Žaimis
Darba apjoms: lappuses, attēli, tabulas, diagrammas, pielikumi
Atslēgas vārdi: Bezpilota virszemes transportlīdzeklis (USV), ūdens kvalitātes monitorings, zemūdens piesārņojuma noteikšana, datorredze, OpenCV, YOLO, attēlu pirmapstrāde, CLAHE, mākslīgais intelekts, mašīnmācīšanās, sensoru integrācija, Raspberry Pi, Arduino, GPS navigācija, attēlu analīze, reāllaika datu apstrāde, FFmpeg, attālā straumēšana, mākoņdatošana, vides dati, vides pārvaldība, STEM izglītība, zemūdens attēlu uzlabošana, datu vizualizācija, ĢIS
Pētījuma mērķis: Šā pētījuma mērķis ir izpētīt iespēju integrēt sensoru aprīkojumu bezpilota virszemes transportlīdzekļos (USV), lai uzlabotu navigācijas spējas un noteiktu piesārņotājus, kā arī izpētīt OpenCV (Open Source Computer Vision Library) izmantošanu, lai uzlabotu piesārņotāju noteikšanas spējas un novērtētu ūdens tilpņu duļķainību.
Darba saturs: Maģistra darbs sastāv no teorētiskās un praktiskās daļas. Teorētiskajā daļā analizēti aktuālie izaicinājumi, kas saistīti ar ūdens kvalitātes degradāciju un zemūdens piesārņojuma izplatību, kā arī apskatītas mūsdienīgas pieejas to identificēšanai, īpaši uzsverot datorredzes un mašīnmācīšanās izmantošanu zemūdens objektu noteikšanā. Izvērsts literatūras apskats par attēlu pirmapstrādes metodēm, objektu detektēšanas algoritmiem un attēlu uzlabošanas tehnoloģijām, piemēram, CLAHE. Darba praktiskajā daļā aprakstīta bezpilota virszemes transportlīdzekļa (USV) izstrāde un aprīkošana ar sensoriem un datorredzes sistēmu. Detalizēti aprakstīta programmatūras arhitektūra, datu apstrādes un straumēšanas pipeline, modeļu trenēšanas process un salīdzinošā analīze starp dažādām attēlu pirmapstrādes pieejām. Darba nobeigumā piedāvāti secinājumi, identificēti ierobežojumi un iezīmēti iespējamie nākotnes pilnveidošanas virzieni.
Pētījuma metodes: Literatūras analīze, eksperimentāla izstrāde, sensoru un datorredzes sistēmu testēšana, attēlu pirmapstrāde, mašīnmācīšanās modeļu apmācība un salīdzinošā veiktspējas analīze.
Darba rezultāti: Izstrādāts funkcionējošs bezpilota virszemes transportlīdzekļa (USV) prototips vides monitoringa vajadzībām ar integrētu sensoru sistēmu un autonomu navigāciju. Sagatavota un analizēta zemūdens attēlu datu kopa piesārņotāju atpazīšanai, pielietojot CLAHE pirmapstrādes metodes un YOLOv8 objektu atpazīšanas algoritmu. Demonstrēta reāllaika attēlu straumēšanas un attālas apstrādes arhitektūra, kas balstīta uz Raspberry Pi, FFmpeg un HPC infrastruktūru. Pamatojoties uz šī darba rezultātiem, izstrādāts zinātnisks raksts, kas akceptēts publicēšanai ERDev 2025 konferences ietvaros un tiks publicēts SCOPUS indeksētā žurnālā; raksts tika arī prezentēts attālināti starptautiskajā konferencē.
Darba izmantojamība: Darba rezultāti ir praktiski izmantojami vides monitoringa risinājumu izstrādē, īpaši vietējo ūdenstilpņu kvalitātes novērtēšanai. Izstrādātais USV prototips un datu apstrādes pieeja ir pielāgojami gan pētnieciskām, gan izglītojošām vajadzībām, piemēram, STEM programmās un inženierzinātņu studijās. Pētījumā izstrādātā arhitektūra ļauj turpmāk attīstīt automatizētas piesārņojuma noteikšanas un brīdinājumu sistēmas, kā arī integrēt šo risinājumu pašvaldību, ostu vai vides pārvaldības struktūru datu infrastruktūrās. |
| Keywords |
Bezpilota virszemes transportlīdzeklis (USV), ūdens kvalitātes monitorings, zemūdens piesārņojuma noteikšana, datorredze, OpenCV, YOLO, attēlu pirmapstrāde, CLAHE, mākslīgais intelekts, mašīnmācīšanās, sensoru integrācija, Raspberry Pi, Arduino, GPS navigācija, attēlu analīze, reāllaika datu apstrāde, FFmpeg, attālā straumēšana, mākoņdatošana, vides dati, vides pārvaldība, STEM izglītība, zemūdens attēlu uzlabošana, datu vizualizācija, ĢIS |
| Keywords in English |
Unmanned Surface Vehicle (USV), water quality monitoring, underwater pollution detection, computer vision, OpenCV, YOLO, image preprocessing, CLAHE, artificial intelligence, machine learning, sensor integration, Raspberry Pi, Arduino, GPS navigation, image analysis, real-time data processing, FFmpeg, remote streaming, cloud computing, environmental data, environmental management, STEM education, underwater image enhancement, data visualization, GIS. |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
27.05.2025 15:35:09 |
