Environmental monitoring processes and investigations are essential to understand the conditions of the environment and the changes it undergoes (by natural processes or by human interventions) with their associated impact. One of the main contemporary problems is waste crimes, in other terms, activities that violate the waste management laws. A particular case is illegal waste dumping, which threatens the environment and public safety and health. Discovering them as early as possible is essential for preventing fire pollution and leakage hazards. Before the digital era, the only means to detect illegal waste dumps was the on-site inspection of potentially suspicious sites, a procedure extremely costly and impossible to scale to a vast territory. With the advent of Earth Observation technology, scanning the territory via aerial images has become possible. However, manual image interpretation remains a complex and time-consuming task that requires expert skills. This research aims to exploit Artificial Intelligence methods and remote sensing imagery to embed expert knowledge within data-driven classifiers that can help partially automate the photo interpretation process. For such purposes, methods have been selected to train different CNNs classifiers, and tools to evaluate and use them have been proposed. The results proved the feasibility of applying Convolutional Neural Networks for scene classification in this scenario to optimize the process of waste dumps detection.

Processi e indagini di monitoraggio ambientale sono essenziali per comprendere le condizioni dell'ambiente e i cambiamenti che subisce (da processi naturali o da interventi umani) con il loro impatto associato. Uno dei principali problemi odierni sono i reati in materia di rifiuti o, in altri termini, attività he violano le leggi sulla gestione dei rifiuti. Un caso particolare è rappresentato dalle discariche abusive, che minacciano l'ambiente, la sicurezza e la salute pubblica. Scoprirli il prima possibile è essenziale per prevenire pericoli come l'inquinamento da incendio e le perdite tossiche. Prima dell'era digitale, l'unico mezzo per rilevare le discariche abusive era l'ispezione in loco di siti potenzialmente sospetti, una procedura estremamente costosa e impossibile da scalare su un vasto territorio. Con l'avvento della tecnologia dell'Osservazione della Terra, la scansione del territorio tramite immagini aeree è diventata possibile. Tuttavia, l'interpretazione manuale delle immagini rimane un'attività complessa e dispendiosa in termini di tempo e che richiede competenze esperte. Questa ricerca mira a sfruttare i metodi di intelligenza artificiale e le immagini di telerilevamento per incorporare la conoscenza di esperti all'interno di classificatori, basati sui dati, che possono aiutare parzialmente ad automatizzare il processo di interpretazione della foto. A tal fine, sono stati selezionati metodi per addestrare diversi classificatori di Reti Neurali Convoluzionali e sono stati proposti strumenti per valutarli e utilizzarli. I risultati hanno dimostrato la fattibilità dell'applicazione di reti neurali convoluzionali per la classificazione della scena in questo contesto di ottimizzazione del processo di rilevamento delle discariche.

Analysis of geographic data for environmental monitoring

Torres, Rocio Nahime
2021/2022

Abstract

Environmental monitoring processes and investigations are essential to understand the conditions of the environment and the changes it undergoes (by natural processes or by human interventions) with their associated impact. One of the main contemporary problems is waste crimes, in other terms, activities that violate the waste management laws. A particular case is illegal waste dumping, which threatens the environment and public safety and health. Discovering them as early as possible is essential for preventing fire pollution and leakage hazards. Before the digital era, the only means to detect illegal waste dumps was the on-site inspection of potentially suspicious sites, a procedure extremely costly and impossible to scale to a vast territory. With the advent of Earth Observation technology, scanning the territory via aerial images has become possible. However, manual image interpretation remains a complex and time-consuming task that requires expert skills. This research aims to exploit Artificial Intelligence methods and remote sensing imagery to embed expert knowledge within data-driven classifiers that can help partially automate the photo interpretation process. For such purposes, methods have been selected to train different CNNs classifiers, and tools to evaluate and use them have been proposed. The results proved the feasibility of applying Convolutional Neural Networks for scene classification in this scenario to optimize the process of waste dumps detection.
PIRODDI, LUIGI
ALIPPI, CESARE
8-feb-2022
Processi e indagini di monitoraggio ambientale sono essenziali per comprendere le condizioni dell'ambiente e i cambiamenti che subisce (da processi naturali o da interventi umani) con il loro impatto associato. Uno dei principali problemi odierni sono i reati in materia di rifiuti o, in altri termini, attività he violano le leggi sulla gestione dei rifiuti. Un caso particolare è rappresentato dalle discariche abusive, che minacciano l'ambiente, la sicurezza e la salute pubblica. Scoprirli il prima possibile è essenziale per prevenire pericoli come l'inquinamento da incendio e le perdite tossiche. Prima dell'era digitale, l'unico mezzo per rilevare le discariche abusive era l'ispezione in loco di siti potenzialmente sospetti, una procedura estremamente costosa e impossibile da scalare su un vasto territorio. Con l'avvento della tecnologia dell'Osservazione della Terra, la scansione del territorio tramite immagini aeree è diventata possibile. Tuttavia, l'interpretazione manuale delle immagini rimane un'attività complessa e dispendiosa in termini di tempo e che richiede competenze esperte. Questa ricerca mira a sfruttare i metodi di intelligenza artificiale e le immagini di telerilevamento per incorporare la conoscenza di esperti all'interno di classificatori, basati sui dati, che possono aiutare parzialmente ad automatizzare il processo di interpretazione della foto. A tal fine, sono stati selezionati metodi per addestrare diversi classificatori di Reti Neurali Convoluzionali e sono stati proposti strumenti per valutarli e utilizzarli. I risultati hanno dimostrato la fattibilità dell'applicazione di reti neurali convoluzionali per la classificazione della scena in questo contesto di ottimizzazione del processo di rilevamento delle discariche.
File allegati
File Dimensione Formato  
v10.pdf

solo utenti autorizzati dal 20/01/2023

Dimensione 35.22 MB
Formato Adobe PDF
35.22 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/187588