Αυτόματη ταξινόμηση βιοακουστικών σημάτων (Bachelor thesis)
Μιχαηλίδης, Μανώλης
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Μιχαηλίδης, Μανώλης | el |
| dc.date.accessioned | 2020-03-28T18:32:15Z | - |
| dc.date.available | 2020-03-28T18:32:15Z | - |
| dc.identifier.uri | http://195.251.240.227/jspui/handle/123456789/11653 | - |
| dc.description | Πτυχιακή εργασία--ΣΤΕΦ-Τμήμα Μηχανικών Αυτοματισμού, 2018—9803 | el |
| dc.rights | Default License | - |
| dc.subject | διατήρηση της βιοποικιλότητας | el |
| dc.subject | βιοακουστικά σήματα | el |
| dc.subject | αυτόματη ταξινόμηση | el |
| dc.subject | αυτόματα συστήματα εποπτείας | el |
| dc.subject | πτηνά | el |
| dc.subject | Ελλάδα | el |
| dc.subject | ηχητικές καταγραφές | el |
| dc.subject.lcsh | Πτηνά -- Συλλογή και διατήρηση -- Ελλάδα | el |
| dc.subject.lcsh | Πτηνά -- Ελλάδα | el |
| dc.subject.lcsh | Βιογεωγραφία | el |
| dc.subject.lcsh | Βιοποικιλότητα -- Ελλάδα | el |
| dc.subject.lcsh | Εξέλιξη (Βιολογία) | el |
| dc.subject.lcsh | Οικολογία -- Ελλάδα | el |
| dc.subject.lcsh | Περιβαλλοντική προστασία | el |
| dc.title | Αυτόματη ταξινόμηση βιοακουστικών σημάτων | el |
| heal.type | bachelorThesis | - |
| heal.type.en | Bachelor thesis | en |
| heal.secondaryTitle | Automated classification of biοacoustic signals | en |
| heal.contributorName | Μιχαηλίδης, Μανώλης | el |
| heal.identifier.secondary | 9803 | - |
| heal.dateAvailable | 2020-03-28T18:33:15Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Σχολή Τεχνολογικών Εφαρμογών / Τμήμα Μηχανικών Αυτοματισμού | el |
| heal.publicationDate | 2018-06-08 | - |
| heal.bibliographicCitation | Μιχαηλίδης, Μ.(2018). Αυτόματη ταξινόμηση βιοακουστικών σημάτων (Πτυχιακή εργασία). Αλεξάνδρειο ΤΕΙ, Θεσσαλονίκη. | el |
| heal.abstract | In modern era, many bird species face the danger of extinction. The need of study and maintaining the biodiversity, contributed in development of automated observation systems. In current work the effort is done in order to classify 3 different bird species of Greece. The felicitous extraction of features require the correct processing of the data base. In this work, have been collected only specific parts of the recordings (trills) and with them the classification and recognition system is made. So for each recording firstly the noise level is reduced with the pre-emphasis filter where necessary and then using the Hilbert follower trills are obtained. Then, the fundamental frequency from each trill is computed via the autocorrelation. The features that are used are the average value of the fundamental frequency, the standard deviation, the bandwidth and the rapidness of changing the fundamental for each trill. Several tests were made with different neural networks (specifically, with different number of nodes) and the results are discussed. Also two different approaches in experiments were done (using different number of inputs and outputs of the neural network). The results are very encouraging for future use and improvement of the system | en |
| heal.abstract | Στη σύγχρονη εποχή, πολλά είδη πτηνών διατρέχουν κίνδυνο εξαφάνισης. Η ανάγκη της μελέτης και της διατήρησης της βιοποικιλότητας συνέβαλε στην ανάπτυξη αυτόματων συστημάτων εποπτείας. Στην παρούσα εργασία, γίνεται προσπάθεια αυτόματης αναγνώρισης τριών πτηνών της Ελλάδας μέσα από ηχητικές καταγραφές τους. Η εύστοχη εξαγωγή χαρακτηριστικών από τα ηχητικά σήματα προϋποθέτει σωστή επεξεργασία της βάσης δεδομένων. Στην εργασία αυτή, έχουν εξαχθεί μόνο τα τμήματα της τρίλιας και με αυτά γίνεται η προσπάθεια δημιουργίας συστήματος ταξινόμησης και αναγνώρισης. Έτσι, για κάθε ηχογράφηση, μέσω του ακολουθητή Hilbert, συλλέχθηκαν οι τρίλιες, αφού πρώτα ακυρώθηκε ο θόρυβος μέσω φίλτρου προέμφασης, όπου κρίθηκε αναγκαίο. Ύστερα, υπολογίσθηκε η θεμελιώδης συχνότητα από κάθε τρίλια με την χρήση της αυτοσυσχέτισης. Τα χαρακτηριστικά που χρησιμοποιήθηκαν για την ταξινόμηση είναι η μέση τιμή της θεμελιώδους συχνότητας, η τυπική απόκλιση, το εύρος τιμών της καθώς και η νευρικότητα (ταχύτητα εναλλαγής θεμελιώδους) στις τρίλιες. Πραγματοποιήθηκαν δοκιμές σε νευρωνικά δίκτυα ποικίλης αρχιτεκτονικής (νευρωνικά δίκτυα με διαφορετικό αριθμό κόμβων) και παρουσιάζονται τα αποτελέσματα. Επίσης, εφαρμόσθηκαν δύο ξεχωριστές προσεγγίσεις, με διαφορετική δομή του εκάστοτε δικτύου (δηλαδή αλλάζοντας τον αριθμό εισόδων και εξόδων του νευρωνικού δικτύου). Τα αποτελέσματα είναι αρκετά ενθαρρυντικά για τη μελλοντική χρήση και βελτίωση του συστήματος | el |
| heal.advisorName | Παπαδοπούλου, Φωτεινή | el |
| heal.committeeMemberName | Παπαδοπούλου, Φωτεινή | el |
| heal.academicPublisher | Τμήμα Μηχανικών Αυτοματισμού | el |
| heal.academicPublisherID | teithe | - |
| heal.numberOfPages | 84 | - |
| heal.fullTextAvailability | true | - |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| Appears in Collections: | Πτυχιακές Εργασίες | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Michailidis.pdf | 3.28 MB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
This item is a favorite for 0 people.
http://195.251.240.227/jspui/handle/123456789/11653
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
