Loading…

Deteksjon i 100-metersbeltet ved bruk av kunstig intelligens

Norges strandsone, eller det såkalte 100-metersbeltet, er ifølge Norges lover i utgangspunktet et område med byggeforbud. Dette fører til at mye uregistrert bebyggelse settes opp, som igjen vanskeliggjør kartleggingen av området. For flere avdelinger i Sjøforsvaret er 100-metersbeltet et spesielt in...

Full description

Saved in:
Bibliographic Details
Main Authors: Khan, Zaki Ahmad, Sibbern, Linnea Sofia
Format: Dissertation
Language:Norwegian
Online Access:Request full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Norges strandsone, eller det såkalte 100-metersbeltet, er ifølge Norges lover i utgangspunktet et område med byggeforbud. Dette fører til at mye uregistrert bebyggelse settes opp, som igjen vanskeliggjør kartleggingen av området. For flere avdelinger i Sjøforsvaret er 100-metersbeltet et spesielt interessant område ettersom det muliggjør åpning av nye landfronter. For å kunne planlegge landsettingsoperasjoner må en ha kontroll på blant annet bebyggelsen på land, men med manglende data blir dette vanskelig. Med denne motivasjonen for oppgaven har gruppen kommet frem til følgende problemstilling: Kan en ved bruk av kunstige nevrale nettverk detektere uregistrert bebyggelse i ortofoto, i 100-metersbeltet? For å svare på problemstillingen blir teknologivitenskapelig metode anvendt. Denne metoden går ut på at det først identifiseres et artefaktbehov, for deretter å lage en nyskapning som dekker dette behovet. I denne oppgaven er det forsøkt med hovedsakelig tre ulike nyskapninger for å løse artefaktbehovet, og dermed svare på problemstillingen. Nyskapningene er ulike former for objektdeteksjon i ArcGIS. Først anvendes en ferdigtrent modell fra ESRI. Deretter er det forsøkt å modifisere denne. Den siste nyskapningen går ut på å trene en helt ny modell. Alle tre modellene gjør deteksjoner i ortofoto, men i ulik grad. Oppgaven tar for seg hvordan disse modellene, anvendt i ulike dyplæringsverktøy i ArcGIS, best mulig kan svare på oppgavens artefaktbehov. Av de tre nyskapningene så konkluderes det med at den egentrente modellen er den som gir best resultater. På deteksjonene som gjøres klarer modellen å detektere en andel hus, naust og brygger, inkludert uregistrert bebyggelse. Til tross for dette er det områder der modellen ikke gir tilfredsstillende resultat. Dette er trolig grunnet for lite treningsdata. Dermed kan det konkluderes med at en ved bruk av kunstige nevrale nettverk kan detektere uregistrert bebyggelse i ortofoto, i 100-metersbeltet. Det vil likevel kreve større mengder treningsdata for at resultatet skal bli tilfredsstillende langs hele Norges kystlinje.