Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: https://er.nau.edu.ua/handle/NAU/65603
Назва: Intelligent System for Hyperspectral Image Processing Based on Recurrent Neural Networks
Інші назви: Інтелектуальна система обробки гіперспектральних зображень на основі використання рекурентних нейронних мереж
Автори: Sarin, Oleksandr Evgenievich
Сарін, Олександр Євгенійович
Ключові слова: qualification work
hyperspectral images
recurrent neural networks
image processing
data analysis
classification
spectral information
object recognition
кваліфікаційна робота
гіперспектральні зображення
рекурентні нейронні мережі
обробка зображень
аналіз даних
класифікація
Дата публікації: 14-чер-2024
Видавництво: National Aviation University
Бібліографічний опис: Sarin O. E. Intelligent System for Hyperspectral Image Processing Based on Recurrent Neural Networks. – Thesis for a bachelor's degree in "Automation and computer-integrated technologies" – National Aviation University, Kyiv, 2024, 99 p.
Короткий огляд (реферат): Hyperspectral technologies are opening a new window on the world, giving us the ability to see and understand reality in much greater detail than ever before. These technologies allow us to collect information about objects and environments not only in visible light, but also in a wide range of wavelengths, including infrared and ultraviolet. This gives us access to information that is invisible to the human eye and allows us to better understand the chemical composition, structure and physical properties of objects. Hyperspectral technologies are used in many fields, including remote sensing: hyperspectral satellites and aircraft are used to study the earth's surface, monitor the environment, manage land resources and detect natural disasters. In medical diagnostics, hyperspectral images are used to diagnose cancer, cardiovascular disease and other diseases. In food quality control, hyperspectral data is used to detect contaminants in food and assess its chemical composition. In forensic science, hyperspectral data is used to analyse crime evidence such as blood, hair and drugs. In agriculture, hyperspectral imagery is used to assess plant health, detect pests and diseases, and optimise irrigation and fertilisation. In the pharmaceutical industry, hyperspectral data is used to control the quality of medicines and to detect counterfeiting. In art and restoration, hyperspectral images are used to analyse works of art, reveal hidden details and restore damaged paintings.
Гіперспектральні технології відкривають нове вікно у світ, даючи нам можливість бачити й розуміти реальність набагато детальніше, ніж будь-коли раніше. Ці технології дозволяють нам збирати інформацію про об’єкти та навколишнє середовище не лише у видимому світлі, але й у широкому діапазоні довжин хвиль, включаючи інфрачервоне та ультрафіолетове. Це дає нам доступ до інформації, невидимої для людського ока, і дозволяє краще зрозуміти хімічний склад, структуру та фізичні властивості об’єктів. Гіперспектральні технології використовуються в багатьох сферах, включаючи дистанційне зондування: гіперспектральні супутники та літаки використовуються для вивчення земної поверхні, моніторингу навколишнього середовища, управління земельними ресурсами та виявлення стихійних лих. У медичній діагностиці гіперспектральні зображення використовуються для діагностики раку, серцево-судинних та інших захворювань. У контролі якості харчових продуктів гіперспектральні дані використовуються для виявлення забруднюючих речовин у продуктах харчування та оцінки їх хімічного складу. У криміналістиці гіперспектральні дані використовуються для аналізу доказів злочину, таких як кров, волосся та наркотики. У сільському господарстві гіперспектральні зображення використовуються для оцінки стану рослин, виявлення шкідників і хвороб, а також оптимізації зрошення та внесення добрив. У фармацевтичній промисловості гіперспектральні дані використовуються для контролю якості ліків і виявлення підробок. У мистецтві та реставрації гіперспектральні зображення використовуються для аналізу творів мистецтва, виявлення прихованих деталей і відновлення пошкоджених картин.
Опис: Робота публікується згідно наказу Ректора НАУ від 27.05.2021 р. №311/од "Про розміщення кваліфікаційних робіт здобувачів вищої освіти в репозиторії університету". Керівник роботи: доктор технічних наук, професор, зав. кафедри авіаційних комп’ютерно-інтегрованих комплексів, Синєглазов Віктор Михайлович
URI (Уніфікований ідентифікатор ресурсу): https://er.nau.edu.ua/handle/NAU/65603
Розташовується у зібраннях:Кваліфікаційні роботи здобувачів вищої освіти кафедри авіаційних комп'ютерно-інтегрованих комплексів (НОВА)

Файли цього матеріалу:
Файл Опис РозмірФормат 
Сарін.pdfКваліфікаційна робота з пояснювальною запискою1.74 MBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.