polito.it
Politecnico di Torino (logo)

VERY DEEP SUPER RESOLUTION (VDSR): APPLICAZIONE SU DATI ACQUISITI DA UAV E DA SATELLITE IN AMBITO AGRICOLTURA DI PRECISIONE = VERY DEEP SUPER RESOLUTION (VDSR) ON UAV AND SATELLITE DATA IN PRECISION AGRICULTURE

Marco Pillosu

VERY DEEP SUPER RESOLUTION (VDSR): APPLICAZIONE SU DATI ACQUISITI DA UAV E DA SATELLITE IN AMBITO AGRICOLTURA DI PRECISIONE = VERY DEEP SUPER RESOLUTION (VDSR) ON UAV AND SATELLITE DATA IN PRECISION AGRICULTURE.

Rel. Andrea Maria Lingua. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Per L'Ambiente E Il Territorio, 2020

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (21MB) | Preview
Abstract:

Il Telerilevamento è uno strumento che trova applicazione in numerosi contesti. In particolare, svolge un ruolo primario nel monitoraggio ambientale. Uno dei principali ambiti di applicazione del telerilevamento è l’agricoltura, dove viene impiegato per il monitoraggio, per la predizione della produzione agricola stagionale e, di conseguenza per l’ottimizzazione della produzione. Misurando la riflettanza della vegetazione a varie lunghezze d'onda, è possibile raccogliere molte informazioni sullo stato delle piante. I progressi nella tecnologia di telerilevamento e il costo ridotto dei sensori consentono oggigiorno un uso più diffuso di tali apparecchiature. Con l'uso di questi sensori è possibile identificare quali particolari aree del campo hanno bisogno di quale trattamento, e concentrare l'applicazione di sostanze chimiche solo ad aree specifiche. In questo modo si diminuisce la quantità di sostanze chimiche utilizzate, si riducono i costi e si abbatta l’impatto ambientale. Nelle pratiche più tradizionali i vari trattamenti delle colture, come l'irrigazione, l'applicazione di fertilizzanti, pesticidi ed erbicidi vengono applicati uniformemente, ignorando qualsiasi variabilità all'interno del campo. L’insieme delle pratiche agricole che si concentrano su aree specifiche del campo in un determinato momento nel tempo rientra nell’agricoltura di precisione. Poiché l’agricoltura di precisione opera su singole porzioni, di piccole dimensioni, di aree più vaste è necessaria una precisione spaziale molto elevata. Dato che i dati satellitari sono caratterizzati da risoluzioni piuttosto basse che, in questo ambito, risultano non sono sufficienti, l’utilizzo dei droni ha subito negli ultimi anni un forte sviluppo. Per le stesse ragioni, in questo contesto, può risultare fondamentale l’applicazione di reti neurali, e in particolare della Super-Risoluzione, ossia il processo per aumentare la risoluzione di un’immagine. Il presente studio si focalizza sull’applicazione della rete neurale VDSR (Very Deep Super Resolution), il cui obiettivo è quello di recuperare gli elementi di dettaglio che non si trovano nell’immagine a bassa risoluzione di partenza. Il metodo consiste nell’addestrare la rete neurale VDSR che poi stima un’immagine ad alta risoluzione a partire da una singola immagine a bassa risoluzione. L’addestramento della rete neurale è stato eseguito con immagini estratte dall’ortomosaico generato a partire dai dati acquisiti con UAV e come dato di input sono state impiegate immagini satellitari acquisite da Sentinel-2. Il presente lavoro è finalizzato alla valutazione della VDSR per applicazioni di monitoraggio in agricoltura di precisione, mediante analisi sia su immagini a colori reali che a falsi colori.

Relators: Andrea Maria Lingua
Academic year: 2020/21
Publication type: Electronic
Number of Pages: 87
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Per L'Ambiente E Il Territorio
Classe di laurea: New organization > Master science > LM-35 - ENVIRONMENTAL ENGINEERING
Aziende collaboratrici: Politecnico di Torino
URI: http://webthesis.biblio.polito.it/id/eprint/16263
Modify record (reserved for operators) Modify record (reserved for operators)