Sökning: "drönarbilder"

Visar resultat 1 - 5 av 14 uppsatser innehållade ordet drönarbilder.

  1. 1. Skattning av HGV och stamvolym med data från stereomatchade drönarbilder genom befintliga modeller från Skogliga grunddata

    Uppsats för yrkesexamina på avancerad nivå, SLU/Dept. of Forest Resource Management

    Författare :Erik Forslöw; [2023]
    Nyckelord :drönare; stereofotogrammetri; skogliga grunddata; skogsbruksplanläggning;

    Sammanfattning : Inom den svenska skogsbruksplanläggningen sker idag datainsamlingen traditionellt med subjektivt fördelade relaskopsytor. Den subjektiva mätningen varierar mellan och inom planläggare och har generellt ett relativt medelfel (rRMSE) på 9 % för grundytevägd medelhöjd (HGV) och 15–20 % for volym/ha. LÄS MER

  3. 2. Utvärdering av hydraulisk simulering som metod för habitatskattning för lax och öring

    Uppsats för yrkesexamina på avancerad nivå, Uppsala universitet/Luft-, vatten- och landskapslära

    Författare :Oscar Axelsson; [2023]
    Nyckelord :Habitat mapping; ecohydraulics; Atlantic salmon; brown trout; habitatkartering; ekohydraulik; lax; öring;

    Sammanfattning : As all of Sweden's hydropower is to be re-examined within a 20-year period, methods are needed to carry out ecological investigations of dammed waterways. The first aim of this thesis is to evaluate whether methods for salmon and trout habitat mapping take all relevant indicators into account. LÄS MER

  4. 3. Reliable Detection of Water Areas in Multispectral Drone Imagery : A faster region-based CNN model for accurately identifying the location of small-scale standing water bodies

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Shengyao Shangguan; [2023]
    Nyckelord :Water Detection; Faster region-based convolutional neural networks; Multiple images; Convolutional neural networks; Random Forest; Vattendetektering; Snabbare regionbaserade konvolutionella neurala nätverk; Flera bilder; Konvolutionella neurala nätverk; Random Forest;

    Sammanfattning : Dengue and Zika are two arboviral viruses that affect a significant portion of the world population. The principal vector species of both viruses are Aedes aegypti and Aedes albopictus mosquitoes. They breed in very slow flowing or standing pools of water. LÄS MER

  5. 4. Estimation of Water Depth from Multispectral Drone Imagery : A suitability assessment of CNN models for bathymetry retrieval in shallow water areas

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Qianyao Shen; [2022]
    Nyckelord :Bathymetry Retrieval; Multispectral Imagery; Convolutional Neural Network CNN ; Hämtning Av Batymetri; Multispektrala Bilder; Konvolutionellt Neuralt Nätverk CNN ;

    Sammanfattning : Aedes aegypti and Aedes albopictus are the main vector species for dengue disease and zika, two arboviruses that affect a substantial fraction of the global population. These mosquitoes breed in very slow-moving or standing pools of water, so detecting and managing these potential breeding habitats is a crucial step in preventing the spread of these diseases. LÄS MER

  7. 5. CNN-Based Methods for Tree Species Detection in UAV Images

    Master-uppsats, Linköpings universitet/Datorseende

    Författare :Olle Sievers; [2022]
    Nyckelord :Machine Learning; CNN; UAV; Tree Species; Deep Learning; Tree Species Detection; Detection;

    Sammanfattning : Unmanned aerial vehicles (UAVs) with high-resolution cameras are common in today’s society. Industries, such as the forestry industry, use drones to get a fast overview of tree populations. LÄS MER