Details

Title Применение технологий машинного обучения для прогнозирования вероятности лесных пожаров и выявления очагов распространения болезней лесных насаждений: выпускная квалификационная работа магистра: направление 09.04.04 «Программная инженерия» ; образовательная программа 09.04.04_03 «Машинное обучение в управлении бизнесом»
Creators Шпагин Владислав Александрович
Scientific adviser Паклин Николай Борисович
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли
Imprint Санкт-Петербург, 2025
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects технологии машинного обучения ; мониторинг лесных экосистем ; нейросетевые модели ; беспилотные летательные аппараты ; выявление очагов лесных болезней и пожаров ; дистанционное зондирование ; автоматизированные системы мониторинга ; machine learning tecnologies ; forest ecosystems monitoring ; neural network models ; unmanned aerial vehicles ; forest disease and fire detection ; remote sensing ; automated monitoring systems
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 09.04.04
Speciality group (FGOS) 090000 - Информатика и вычислительная техника
DOI 10.18720/SPBPU/3/2025/vr/vr25-1832
Rights Доступ по паролю из сети Интернет (чтение)
Additionally New arrival
Record key ru\spstu\vkr\35306
Record create date 7/10/2025

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Group Anonymous
Network Internet

Целью исследования является изучение существующих технических средств, методов и нейросетевых моделей, используемых для прогнозирования и обнаружения лесных пожаров, а также очагов болезней древесных насаждений. По результатам исследования предложена модель и концептуальная структура аппаратно-технического обеспечения. Методологическая основа исследования включает критический обзор научных публикаций и прикладных решений, а также изучение опыта предшественников и реальных кейсов как основа для выводов. Методы исследования: сбор и анализ данных, моделирование, прототипирование, системный подход, экспертная оценка, методы анализа эффективности. Основные результаты исследования: автором проведен анализ современного состояния и тенденций развития систем мониторинга и прогнозирования лесных пожаров и болезней леса в России и мире, изучены и обобщены методы машинного обучения, применяемые для анализа аэрофотоснимков и сенсорных данных в задачах мониторинга лесных экосистем; осуществлена подготовка и предобработка данных на примере датасета Forest Fires, а также формирование псевдоизображений для имитации аэрофотосъемки. Кроме того, разработан прототип программного решения для анализа изображений с БПЛА с целью выявления очагов распространения болезней леса на основе датасета PDT и модели YOLOv8. Разработана и реализована гибридная архитектура нейронной сети (CNN LSTM) для выявления очагов пожаров и болезней по данным аэрофотосъемки и метеорологическим данным; проведено обучение, валидация и интерпретация результатов работы алгоритма, а также проанализированы возможности интеграции разработанного алгоритма в системы мониторинга на базе БПЛА и оценены перспективы его применения для реальных лесных экосистем. Область применения результатов ВКР – лесная отрасль, сельское хозяйство, МЧС. Разработан прототип решения, имеющий практическую значимость для лесопромышленного комплекса. Научной новизной является разработка прототипа комплексного решения для лесопожарного и лесопатологического мониторинга. Выводы. Задачи ВКР решены, цель достигнута. Полученные результаты имеют признаки научной новизны.

The purpose of the research is to study the existing technical means, methods and neural network models used for prediction and detection of forest fires and detection of forest fires, as well as foci of diseases of woody plantations. Based on the results of the study, a model and conceptual structure of hardware and hardware support. The methodological basis of the study includes a critical review of scientific publications and applied solutions of scientific publications and applied solutions, as well as the study of the experience of predecessors and real cases predecessors and real cases as a basis for conclusions. Research methods: data collection and analysis, modeling, prototyping, systematic approach, expert evaluation, methods of analyzing effectiveness. Main results of the research: the author analyzed current state and trends in the development of monitoring systems and forecasting of forest fires and forest diseases in Russia and in the world, studied and generalized machine learning methods used for the analysis of aerial images and sensors. Machine learning methods used for analyzing aerial images and sensor data in monitoring tasks were studied and summarized preparation and preprocessing of data on the example of the Forest Fires, as well as formation of pseudo-images for simulation of aerial photography. In addition, a prototype of a software solution for analyzing images from UAVs with the purpose of analyze images from UAVs in order to identify forest disease hotspots on the basis of the Forest Fires dataset forest diseases based on PDT dataset and YOLOv8 model. A hybrid neural network architecture (CNN-LSTM) for the detection of fire and disease centers based on aerial imagery and meteorological data; a hybrid neural network architecture (CNN- LSTM) was developed and implemented. meteorological data; training, validation, and interpretation of the the results of the algorithm, as well as analyzed the possibilities of integration of the developed algorithm into UAV-based monitoring systems and analyzed the prospects of its application to real-world monitoring systems the prospects of its application to real forest ecosystems were evaluated. The field of application of the results of the work is the forestry industry, agriculture, the Ministry of Emergency Situations, agriculture, Ministry of Emergency Situations. A prototype solution has been developed, which is of practical importance for the forest industry significance for the forest industry complex. Scientific novelty is the development of a prototype of a complex solution for forest fire and forest pathology monitoring. Conclusions. The tasks of the VKR are solved, the goal is achieved. The obtained results have signs of scientific novelty.

Network User group Action
ILC SPbPU Local Network All
Read
Internet Authorized users SPbPU
Read
Internet Anonymous
  • ВВЕДЕНИЕ
  • 1. АНАЛИЗ СОВРЕМЕННОГО ПОЛОЖЕНИЯ ПРОГНОЗИРОВАНИЯ И МОНИТОРИНГА ЛЕСНЫХ ПОЖАРОВ И БОЛЕЗНЕЙ ЛЕСНЫХ НАСАЖДЕНИЙ В РФ
  • 1.1. Анализ исследований в области лесного мониторинга
  • 1.2. Технологии прогнозирования и мониторинга, обработка получаемых данных
  • 1.3. Применение нейросетевых моделей для анализа изображений, построения прогнозов на основе данных изображений и сенсоров
  • 2. РАЗРАБОТКА АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ, АНАЛИЗИРУЮЩЕГО ИЗОБРАЖЕНИЯ АЭРОФОТОСЪЕМКИ С БПЛА, ДЛЯ ВЫЯВЛЕНИЯ ОЧАГОВ ПРИРОДНЫХ ПОЖАРОВ И РАСПРОСТРАНЕНИЯ БОЛЕЗНЕЙ ЛЕСА
  • 2.1. Разработка концепции системы лесного мониторинга, прогнозирования и информирования
  • 2.2. Формирование функциональной структуры аппаратной части системы мониторинга
  • 2.3. Разработка алгоритмов обнаружения, локализации и классификации очагов пожаров и распространения вредителей
  • 2.4. Обзор возможных методов разработки аппаратного комплекса для БПЛА
  • 3. ОЦЕНКА РЕЗУЛЬТАТОВ И ЭФФЕКТИВНОСТИ РАЗРАБАТЫВАЕМОГО РЕШЕНИЯ
  • 3.1. Расчёт стоимости готового вертолётного БПЛА для лесного мониторинга с модульной архитектурой
  • 3.2. Экономическое обоснование эффективности предлагаемого решения
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
  • СВЕДЕНИЯ ОБ УЧАСТИИ АВТОРА В НАУЧНЫХ РАБОТАХ
  • ПРИЛОЖЕНИЕ А

Access count: 0 
Last 30 days: 0

Detailed usage statistics