Ιδρυματικό Αποθετήριο Τ.Ε.Ι. Πελοποννήσου
Η εφαρμογή μεθόδου βιοακουστικής στην φυτοπροστασία
Αποθετήριο DSpace/Manakin
JavaScript is disabled for your browser. Some features of this site may not work without it.
| dc.contributor.author | Δημόπουλος, Αθανάσιος | el |
| dc.date.accessioned | 2015-11-25T06:12:12Z | |
| dc.date.available | 2015-11-26T03:04:10Z | |
| dc.date.issued | 2015-11-25 | |
| dc.identifier.uri | http://nestor.teipel.gr/xmlui/handle/123456789/17617 | |
| dc.title | Η εφαρμογή μεθόδου βιοακουστικής στην φυτοπροστασία | el |
| heal.type | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.secondaryTitle | el | |
| heal.keyword | Βιοακουστική | el |
| heal.keyword | Ήχος | el |
| heal.keyword | Έντομα | el |
| heal.keyword | Φοινικοειδή | el |
| heal.keyword | Φυτοπροστασία | el |
| heal.contributorName | el | |
| heal.language | gre | el |
| heal.access | free | el |
| heal.accessText | el | |
| heal.license | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | el |
| heal.fileFormat | * | |
| heal.recordProvider | ΤΕΙ Πελοποννησου | el |
| heal.publicationDate | 2011-01-01 | el |
| heal.abstract | Στο πλαίσιο της παρούσας μελέτης αναπτύχθηκε ένα σύστημα αυτόματης ακουστικής ταυτοποίησης εντομολογικών εχθρών. Ο στόχος του συστήματος είναι η αυτόματη αναγνώριση του είδους μόνο από το ακουστικό σήμα που παράγεται κατά την κίνηση ή τη διατροφή του εντόμου, με χρήση κατάλληλων πιεζοηλεκτρικών αισθητήρων που και εκπαιδευόμενων αλγόριθμων αναγνώρισης προτύπων. Κάνοντας χρήση της υπάρχουσας τεχνογνωσίας στην ώριμη πλέον θεματική περιοχή της αυτόματης αναγνώρισης ομιλίας και ομιλητή διερευνήθηκε η εφαρμογή αυτών των τεχνικών για τον εντοπισμό του εχθρού των φοινικοειδών Rhynchophorus ferrugineus σε φοινικόδενδρα και τον εντοπισμό διαφόρων εχθρών αποθηκευμένων προϊόντων. Συγκεκριμένα, η ταυτοποίηση βασίζεται στην σύγκριση (κάνοντας χρήση στατιστικών μεθόδων) των φασματικών χαρακτηριστικών της ηχογράφησης με τα φασματικά πρότυπα που έχουν εξαχθεί από ηχογραφήσεις R. ferrugineus μέσα σε κορμούς φοινικοειδών (ή αντίστοιχα από ηχογραφήσεις Sitophilus oryzae, Rhyzopertha dominica μέσα σε αποθηκευμένα σιτηρά). Το τελικό σύστημα παράγει ένα αρχείο με το αναγνωρισμένο είδος και το μέτρο της ασάφειας της αναγνώρισης. Η μεθοδολογία που θα ακολουθήσουμε για να εξάγουμε τις ακουστικές παραμέτρους που συγκεντρώνουν τις ακουστικές ιδιότητες που διακρίνουν τον προς ανίχνευση εχθρό (R. ferrugineus, S. oryzae κ.α.) είναι η πιο διαδεδομένη ακουστική παραμετροποίηση στο χώρο της αυτόματης αναγνώρισης ομιλίας και ομιλητή. Λόγω του ότι οι ακουστικές εκπομπές είναι χρονικά μεταβαλλόμενες, μας ενδιαφέρει το περιεχόμενο συχνοτήτων του σήματος και επιλέγουμε τους μετασχηματισμούς Fourier διαδοχικών χρονικά επικαλυπτόμενων πλαισίων σήματος (Short-time Fourier Transform). Οι φασματικοί συντελεστές για κάθε πλαίσιο περνούν μέσα από μια κλίμακα (κλίμακα Mel) που συναθροίζει τους φασματικούς συντελεστές γραμμικά μέχρι το 1 kHz, και λογαριθμικά για τις μεγαλύτερες συχνότητες. Στις εξαγχθέντες παραμέτρους εφαρμόζεται ο λογάριθμος ο οποίος συμπιέζει το μεγάλο εύρος του πλάτους των συχνοτήτων. Το τελευταίο στάδιο περιλαμβάνει την επιβολή του διακριτού μετασχηματισμού συνημίτονου (discrete cosine transform) ο στόχος του οποίου είναι η αποσυσχέτιση των παραμέτρων ώστε το σύστημα αναγνώρισης προτύπων να χρειάζεται λιγότερα δεδομένα για να εκπαιδευτεί. Κάθε βιολογικό είδος που εκπέμπει ακουστικά σήματα έχει δικό του χαρακτηριστικό ακουστικό γνώρισμα, πράγμα το οποίο σημαίνει πως ο προς ανίχνευση εχθρός (R. ferrugineus, S. oryzae κ.α.) παράγει ακουστικές παραμέτρους που ακολουθούν μια συγκεκριμένη κατανομή πιθανοτήτων για το είδος. Στην στατιστική και στην αναγνώριση προτύπων το πρόβλημα της προσέγγισης μιας άγνωστης κατανομής μέσω ενός παραμετρικού μοντέλου ονομάζεται εκτίμηση κατανομής πιθανότητας και στην πρόταση η άγνωστη κατανομή του κάθε είδους προσεγγίζεται από μίγμα πολυδιάστατων Γκαουσσιανών κατανομών πιθανότητας (multivariate Gaussian mixture model - GMM). Οι άγνωστοι παράμετροί τους (βάρος κάθε Γκαουσσιανής, μέσος όρος και συνδιασπορές) ρυθμίζονται από τα ακουστικά πρότυπα της ηχογραφημένης βάσης για το κάθε είδος. To GMM εκπαιδεύεται με τον αλγόριθμο μεγιστοποίησης προσδοκίας - (Expectation Maximization - EM) για να μεγιστοποιήσει την πιθανοφάνεια (likelihood) των ακουστικών παραμέτρων της ηχογραφημένης βάσης εκπαίδευσης. Υπάρχουν δύο λόγοι για τη χρησιμοποίηση ενός GMM ως αντιπροσώπου της κατανομής των φασματικών παραμέτρων. Ο πρώτος είναι ότι κάθε Γκαουσσιανή κατανομή από το μίγμα που συγκροτεί ένα GMM, προσαρμόζεται ώστε να αντιπροσωπεύει κάποιο μέρος του φάσματος που αντιπροσωπεύει ένα ακουστικό χαρακτηριστικό (ηχηρό, άηχο, μετάβαση). Ο δεύτερος είναι ότι ένα GMM είναι ικανό να προσεγγίζει μια οποιαδήποτε πιθανοτική κατανομή όταν υπάρχουν αρκετά ακουστικά δεδομένα για να το εκπαιδεύσουν. Κατά τη διαδικασία της ταυτοποίησης ενός φοινικοειδούς (ή μιας ποσότητας σιτηρών) για το εάν φέρουν προσβολή ή όχι, ‘δοκιμάζουμε’ τις ακουστικές παραμέτρους με ποια πιθανότητα παράγονται από το κάθε GMM. Υπάρχει ένα GMM που αντιπροσωπεύει τον εχθρό και ένα που αντιπροσωπεύει τους θορύβους μέσα στα υγιή φοινικόδενδρα ή τις απρόσβλητες παρτίδες σιτηρών (background noise model). Το κάθε GMM έχοντας ως είσοδο τις ακουστικές παραμέτρους του προς ανίχνευση φοινικοειδούς (ή ποσότητας σιτηρών) παράγει μια πιθανότητα να τις έχει δημιουργήσει. Όσο πιο πολύ ταιριάζουν οι ακουστικές παράμετροι του προς ανίχνευση δείγματος (φοινικοειδές ή ποσότητα σιτηρών) με τις ακουστικές παραμέτρους με τις οποίες έχει εκπαιδευτεί κάθε GMM, τόσο μεγαλύτερη είναι η πιθανότητα που παράγει το συγκεκριμένο GMM. Το πρότυπο που παράγει τη μέγιστη πιθανότητα προσδίδει την ταυτότητα υγιές ή επιμολυσμένο. Τα πειραματικά αποτελέσματα έδειξαν ταυτοποίηση ηχογραφήσεων σε ποσοστό 99.1 % για το R. ferrugineus και 100% για τους εχθρούς των αποθηκευμένων προϊόντων. | el |
| heal.advisorName | Σταθάς, Γεώργιος | el |
| heal.committeeMemberName | el | |
| heal.academicPublisher | ΤΕΙ Πελοποννήσου | el |
| heal.numberOfPages | 73 | * |
