Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Bodus-Olkowska, Izabela" wg kryterium: Autor


Wyświetlanie 1-4 z 4
Tytuł:
Ferromagnetic Underwater Target Detection Based on a Magnetic Anomaly Map
Wykrywanie ferromagnetycznych obiektów podwodnych na podstawie mapy anomalii magnetycznych
Autorzy:
Bodus-Olkowska, Izabela
Uriasz, Janusz
Powiązania:
https://bibliotekanauki.pl/articles/385735.pdf
Data publikacji:
2020
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
hydrografia
obiekty ferromagnetyczne
anomalia magnetyczna
pole magnetyczne
segmentacja obrazu
hydrography
ferromagnetic objects
magnetic anomaly
magnetic field
image segmentation
Opis:
A magnetic anomaly map of an underwater area indicates the places where the distortion of a magnetic field has occurred. Through the interpretation procedures, a hydrographer can easily indicate the places where the ferromagnetic objects are, then calculate the level of each distortion – by the value of total anomaly – and initially, based on their own knowledge, try to classify the sources of distortion. Objects that induce micro anomaly changes (>30 nT) – like industrial infrastructure, such as pipelines and cables; to unintendingly located targets with ferromagnetic characteristics: wrecks (vessels, planes, cars), military mines, UXO, lost anchors and chains. Interpretation of such a map with the attempt to identify the source of magnetic field distortion, requires a specific knowledge as well as experience. In this article the author presents the research results of dimensioning and location of potential ferromagnetic underwater objects based on a magnetic anomaly map. For further consideration an anchor of buoyage system is taken into account. Geolocation of ferromagnetic sources, contours extraction and dimensioning algorithms of ferromagnetic targets have been carried out in Matlab software. The map of magnetic anomaly enhanced with extracted information was developed in ArcGIS. The analysis was carried out for the purpose of the dissertation thesis and the results are used in further research.
Mapa anomalii magnetycznych obszaru podwodnego wskazuje miejsca, w których występuje zniekształcenie ziemskiego pola magnetycznego. Za pomocą procedur interpretacyjnych hydrograf może łatwo wskazać miejsca, w których znajdują się obiekty ferromagnetyczne, a następnie obliczyć poziom każdego zniekształcenia – według wartości całkowitej anomalii – i na podstawie własnej wiedzy spróbować sklasyfikować źródła zniekształceń. Obiekty, które indukują zniekształcenie pola magnetycznego na obszarach wodnych, mogą być różne. Te wywołujące zmiany pola magnetycznego (anomalia >30 nT) to między innymi infrastruktura przemysłowa, np.: rurociągi i kable, a także nieumyślnie zlokalizowane cele o charakterystyce ferromagnetycznej: wraki (statków, samolotów, samochodów), miny wojskowe, niewybuchy, kotwice i łańcuchy statków. Interpretacja takiej mapy w celu zidentyfikowania źródła zniekształcenia pola magnetycznego wymaga specjalistycznej wiedzy i doświadczenia. Całkowita wartość anomalii magnetycznej określa wielkość poziomu ferromagnetyzmu obiektu, a wymiar powierzchni objętej anomalią umożliwia geolokalizację celu i ustalenie jego wymiarów. W artykule autorzy przedstawiają wyniki badań wymiarowania i lokalizacji potencjalnych ferromagnetycznych podwodnych obiektów na podstawie mapy anomalii magnetycznych. Przeanalizowano anomalię magnetyczną spowodowaną przez kotwicę oznakowania nawigacyjnego. Geolokalizacja źródeł ferromagnetycznych, ekstrakcja ich konturów i algorytmy wymiarowania celów ferromagnetycznych zostały przeprowadzone za pomocą oprogramowania Matlab. Porównano i podsumowano wyniki działania różnych filtrów stosowanych do przetwarzania obrazów. Mapa anomalii magnetycznej wzbogacona o wyodrębnione informacje została opracowana w ArcGIS. Analiza została przeprowadzona na potrzeby pracy doktorskiej, a jej wyniki wykorzystano w dalszych badaniach
Źródło:
Geomatics and Environmental Engineering; 2020, 14, 1; 35-45
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Potential and use of the googlenet ann for the purposes of inland water ships classification
Autorzy:
Bobkowska, Katarzyna
Bodus-Olkowska, Izabela
Powiązania:
https://bibliotekanauki.pl/articles/1573774.pdf
Data publikacji:
2020
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
ship classification
image classification
geoinformatics
artificial intelligence
artificial neural network
Opis:
This article presents an analysis of the possibilities of using the pre-degraded GoogLeNet artificial neural network to classify inland vessels. Inland water authorities monitor the intensity of the vessels via CCTV. Such classification seems to be an improvement in their statutory tasks. The automatic classification of the inland vessels from video recording is a one of the main objectives of the Automatic Ship Recognition and Identification (SHREC) project. The image repository for the training purposes consists about 6,000 images of different categories of the vessels. Some images were gathered from internet websites, and some were collected by the project’s video cameras. The GoogLeNet network was trained and tested using 11 variants. These variants assumed modifications of image sets representing (e.g., change in the number of classes, change of class types, initial reconstruction of images, removal of images of insufficient quality). The final result of the classification quality was 83.6%. The newly obtained neural network can be an extension and a component of a comprehensive geoinformatics system for vessel recognition.
Źródło:
Polish Maritime Research; 2020, 4; 170-178
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Segmentacja obrazu mapy anomalii magnetycznej akwenu dla celów detekcji i lokalizacji podwodnych obiektów ferromagnetycznych
Segmentation of an image of a magnetic anomaly map for detection and location of ferromagnetic underwater objects
Autorzy:
Bodus-Olkowska, Izabela
Uriasz, Janusz
Powiązania:
https://bibliotekanauki.pl/articles/346623.pdf
Data publikacji:
2019
Wydawca:
Polskie Towarzystwo Informacji Przestrzennej
Tematy:
anomalia magnetyczna
pole magnetyczne Ziemi
magnetometr morski
mapa anomalii magnetycznych
segmentacja mapy
magnetic anomaly
Earth's magnetic field
marine magnetometer
magnetic anomaly map
map segmentation
Opis:
Mapa anomalii magnetycznych akwenu ilustruje miejsca, w których występują zakłócenia pola magnetycznego. Przez interpretację tego rodzaju mapy użytkownik może łatwo wskazać miejsca występowania zakłóceń oraz obliczyć poziom każdego z nich. Obiekt, który indukuje zniekształcenie pola magnetycznego na obszarach wodnych, może być różnego pochodzenia: od warstw geologicznych obszaru badań, przez obiekty takie jak infrastruktura przemysłowa: rurociągi i kable, do niezamierzonych obiektów o właściwościach ferromagnetycznych: wraki (wraki, wrak samolotu ), miny wojskowe, utracone kotwice i łańcuchy. Omówione powyżej aspekty interpretacji mapy anomalii magnetycznej wymagają konkretnej wiedzy i doświadczenia w tej dziedzinie. Przez całkowitą wartość anomalii magnetycznej można oszacować jak bardzo ferromagnetyczne jest ciało zakłócające. Poprzez wymiar obszaru występowania anomalii można określić położenie i wymiary obiektu. Przyjmuje się, że zastosowanie procedur segmentacji i wymiarowania obszarów jest bardzo wygodne w pracy przy interpretacji map, zarówno dla tych, którzy nie mają styczności bezpośredniej z mapami anomalii magnetycznej, ale także dla specjalistów zajmujących się tego rodzaju analizą danych. W artykule autor przedstawia koncepcję segmentacji obrazu mapy anomalii magnetycznej, detekcję miejsc występowania ciała zakłócającego pole magnetyczne oraz jego zwymiarowanie. Metody segmentacji ujęte w analizie są powszechnie stosowanymi w analizach obrazów, m.in. zdjęć lotniczych czy satelitarnych, obrazów z kamer video czy radarowych. W analizie uwzględniono dwa rodzaje źródeł zniekształceń pola magnetycznego: kotwicy od pławy i wraku. Mapa anomalii została opracowana przy użyciu oprogramowania hydrograficznego Hypack, a badania nad segmentacją mapy przeprowadzono w środowisku Matlab.
The magnetic anomaly map of the water areas illustrates locations of the magnetic field distortions. By analyzing this kind of map, the user can easily indicate places of interference and calculate their levels. The objects which induce the magnetic field distortions in water areas, can be of various origins: from geological layers, through objects such as industrial infrastructure (e.g. pipelines and cables), to unintentional objects with ferromagnetic properties, like wrecks (ship wrecks, plane wrecks, car wrecks), military mines, lost anchors and chains. The aspects of magnetic anomaly map interpretation discussed above, require specific knowledge and experience. Through the total value of the magnetic anomaly, it is possible to estimate ferromagnetic properties of a disturbing body. The location and dimensions of the object can be determined by dimensions of the anomaly area. It is assumed that the use of segmentation and area dimensioning procedures is very useful in map interpretation, both for those who do not have direct contact with magnetic anomaly maps, but also for specialists involved in this kind of data analysis.The author of this paper presents the concept of segmentation of the magnetic anomaly map image, detection of locations of the interfering body and its dimensioning. Segmentation methods applied for the analysis are commonly used in image analysis, including aerial or satellite imagery, video or radar images. Two types of sources of distortion of the magnetic field in water areas: an anchor buoy and a ship wreck were considered in the analysis. The anomaly map was developed using the Hypack software, and the map segmentation in the Matlab.
Źródło:
Roczniki Geomatyki; 2019, 17, 1(84); 27-40
1731-5522
2449-8963
Pojawia się w:
Roczniki Geomatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selection of an artificial pre-training neural network for the classification of inland vessels based on their images
Autorzy:
Bobkowska, Katarzyna
Bodus-Olkowska, Izabela
Powiązania:
https://bibliotekanauki.pl/articles/2033603.pdf
Data publikacji:
2021
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
image classification
inland vessels
ANN
pre-trained neural network
GoogLeNet
AlexNet
SqeeezeNet
Opis:
Artificial neural networks (ANN) are the most commonly used algorithms for image classification problems. An image classifier takes an image or video as input and classifies it into one of the possible categories that it was trained to identify. They are applied in various areas such as security, defense, healthcare, biology, forensics, communication, etc. There is no need to create one’s own ANN because there are several pre-trained networks already available. The aim of the SHREC projects (automatic ship recognition and identification) is to classify and identify the vessels based on images obtained from closed-circuit television (CCTV) cameras. For this purpose, a dataset of vessel images was collected during 2018, 2019, and 2020 video measurement campaigns. The authors of this article used three pre-trained neural networks, GoogLeNet, AlexNet, and SqeezeNet, to examine the classification possibility and assess its quality. About 8000 vessel images were used, which were categorized into seven categories: barge, special-purpose service ships, motor yachts with a motorboat, passenger ships, sailing yachts, kayaks, and others. A comparison of the results using neural networks to classify floating inland units is presented.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2021, 67 (139); 91--97
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies