Alessandro Fabrizi
Classificazione di immagini multispettrali e termiche ad alta risoluzione per agricoltura di precisione = High resolution multispectral and thermal image classification for precision agriculture.
Rel. Andrea Maria Lingua. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Per L'Ambiente E Il Territorio, 2020
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (20MB) | Preview |
Abstract
La necessità di attività umane ambientalmente sostenibili ha introdotto evoluzioni e rivoluzioni tecnologiche anche in campo agricolo. Tale progresso in agricoltura si chiama Agricoltura di Precisione, un metodo di gestione dell’attività agraria che, attraverso il supporto di strumenti di monitoraggio tecnologicamente avanzati, consente di acquisire informazioni sullo stato delle colture per ottimizzare il processo produttivo. Uno degli strumenti più potenti e popolari a disposizione dell’Agricoltura di Precisione è il telerilevamento. In particolare, le immagini telerilevate da piattaforme UAV rappresentano lo strumento ideale per applicazioni di tipo locale, grazie alla possibilità di ottenere rilievi con risoluzioni geometriche e temporali elevate. Uno dei problemi principali nello studio delle immagini telerilevate è la classificazione, che negli ultimi anni è stata migliorata grazie all’integrazione con metodi di apprendimento automatico (Machine Learning).
Questo studio si propone di verificare l’efficacia di due dei più famosi algoritmi di Machine Learning: le Macchine a Vettori di Supporto (Support Vector Machine) e la Foresta Casuale (Random Forest)
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
