An Intelligent Mobile Search System
| dc.contributor.author | Sineglazov Victor | |
| dc.contributor.author | Koval Maxim | |
| dc.date.accessioned | 2026-05-01T13:05:54Z | |
| dc.date.available | 2026-05-01T13:05:54Z | |
| dc.date.issued | 2024 | |
| dc.description | [1] J. B. Campbell and R. H. Wynne, Introduction to Remote Sensing, The Guilford Press: New York, NY, USA, 2011. [2] A. Moreira, P. Prats-Iraola, M. Younis, G. Krieger, I. Hajnsek, and K. P. Papathanassiou, “A tutorial on synthetic aperture radar,” IEEE Geosci. Remote Sens. Mag., 1, 2013, 6–43. https://doi.org/10.1109/MGRS.2013.2248301 [3] P. K. Srivastava, R. K. M. Malhi, P. C. Pandey, P. Akash Anand, M. K. Singh, and A. G. Pandey, “Revisiting hyperspectral remote sensing: Origin, processing, applications and way forward,” In Hyperspectral Remote Sensing; Pandey, P.C., Srivastava, P.K., Balzter, H., Bhattacharya, B., Petropoulos, G.P., Eds.; Elsevier: Amsterdam, The Netherlands, 2020, pp. 3–21. https://doi.org/10.1016/B978-0-08-102894-0.00001-2 [4] C. Giardino, M. Bresciani, F. Braga, A. Fabbretto, N. Ghirardi, M. Pepe, M. Gianinetto, R. Colombo, S. Cogliati, and S. Ghebrehiwot, et al., “First Evaluation of PRISMA Level 1 Data for Water Applications, Sensors,” Journal of The Electrochemical Society, 20, 4553, 2020. https://doi.org/10.3390/s20164553 [5] D. Amitrano, G. Di Martino, A. Iodice, D. Riccio, and G. Ruello, “A New Framework for SAR Multitemporal Data RGB Representation: Rationale and Products,” IEEE Trans. Geosci. Remote Sens., 2015, 53, 117–133. https://doi.org/10.1109/TGRS.2014.2318997 [6] S. K. McFeeters, “The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features,” Int. J. Remote Sens., 17, 1425–1432, 1996. https://doi.org/10.1080/01431169608948714 [7] T. C. Carlson and D. A. Ripley, “On the relationship between NDVI, fractional vegetation cover, and leaf area index,” Remote Sens. Environ, 62, 241–252, 1997. https://doi.org/10.1016/S0034-4257(97)00104-1 [8] G. Di Martino and A. Iodice, “Maritime Surveillance with Synthetic Aperture Radar,” IET Digital Library: London, UK, 2020, Available online: https://shop.theiet.org/maritime-surveillance-with-synthetic-aperture-radar (accessed on 1 February 2020). https://doi.org/10.1049/SBRA521E_ch1 [9] R. Lanari, O. Mora, M. Manunta, J. Mallorqui, P. Berardino, and E. Sansosti, “A small-baseline approach for investigating deformations on full-resolution differential SAR interferograms,” IEEE Trans. Geosci. Remote Sens., 2004, 42, 1377–1386. https://doi.org/10.1109/TGRS.2004.828196 [10] H. Taubenböck, T. Esch, A. Felbier, M. Wiesner, A. Roth, and S. Dech, “Monitoring urbanization in mega cities from space,” Remote Sens. Environ, 117, 162–176, 2012. https://doi.org/10.1016/j.rse.2011.09.015 [11] F. Cecinati, D. Amitrano, L. B. Leoncio, E. Walugendo, R. Guida, P. Iervolino, and S. Natarajan, “Exploitation of ESA and NASA Heritage Remote Sensing Data for Monitoring the Heat Island Evolution in Chennai with the Google Earth Engine,” In Proceedings of the IEEE Geoscience and Remote Sensing Symposium, Yokohama, Japan, 28 July–2 August 2019, pp. 6328–6331. https://doi.org/10.1109/IGARSS.2019.8898040 [12] Y. Ban and A. Jacob, “Fusion of Multitemporal Spaceborne SAR and Optical Data for Urban Mapping and Urbanization Monitoring,” In Multitemporal Remote Sensing. Remote Sensing and Digital Image Processing, Y. Ban, Ed.; Springer: Berlin/Heidelberg, Germany, 2016, vol. 20, ISBN 978-3-319-47035-1. [13] D. Bargiel and S. Herrmann, “Multi-temporal land-cover classification of agricultural areas in two European regions with high resolution spotlight TerraSAR-X data,” Remote Sens., 3, 859–877, 2011. https://doi.org/10.3390/rs3050859 [14] K. Kayabol and J. Zerubia, “Unsupervised amplitude and texture classification of SAR images with multinomial latent model,” IEEE Trans. Image Process., 22, 2013, 561–572. https://doi.org/10.1109/TIP.2012.2219545 [15] D. Amitrano, F. Cecinati, G. Di Martino, A. Iodice, P.-P.P.-P. Mathieu, D. Riccio, and G. Ruello, “Multitemporal Level-1β Products: Definitions, Interpretation, and Applications,” IEEE Trans. Geosci. Remote Sens., 54, 2016, 6545–6562. https://doi.org/10.1109/TGRS.2016.2586189 | |
| dc.description.abstract | This article is devoted to the development of an intelligent mobile system used for humanitarian demining. At the same time, the problems of detection, localization and storage of the obtained data are solved. The system operation is based on the use of a synthetic aperture ground penetrating radar, which makes it possible to detect mines both on the earth's surface and underground. A quadcopter is used as a carrier. A set of technical means has been developed. The central and graphic processors are used as a processing unit. Intelligent elements for processing the obtained data are convolutional neural networks, for machine learning of which a synthetic dataset was used. The data is organized into S3 segments based on various parameters, such as date, location and sensor type. This organization facilitates data retrieval and management. Data is encrypted both during transmission and at rest using AWS Key Management Service to ensure confidentiality. Статтю присвячено розробленню інтелектуальної мобільної системи, яка використовується для гуманітарного розмінування. При цьому вирішуються завдання виявлення, локалізації та зберігання отриманих даних. Робота системи базується на використанні георадару із синтезованою апертурою, що дає можливість виявляти міни як на поверхні землі, так і під землею. Як носій використовується квадрокоптер. Розроблено комплекс технічних засобів. Як блок обробки використовується центральний і графічний процесори. Інтелектуальними елементами обробки даних є згорткові нейронні мережі, для машинного навчання яких використовувався синтетичний набір даних. Дані організовані в сегменти S3 на основі різних параметрів, таких як дата, місцезнаходження та тип датчика. Така організація полегшує пошук даних і керування ними. Дані шифруються як під час передачі, так і в стані спокою за допомогою AWS Key Management Service для забезпечення конфіденційності. | |
| dc.identifier.citation | Sineglazov V. M. An Intelligent Mobile Search System / V. M. Sineglazov, М. Koval // Electronics and Control Systems, No 3(81) – Kyiv: ТОВ «Альянт», 2024. – pp. 41–47 | |
| dc.identifier.issn | 1990-5548 | |
| dc.identifier.other | DOI:10.18372/1990-5548.81.18989 | |
| dc.identifier.uri | https://er.kai.edu.ua/handle/KAI/70013 | |
| dc.language.iso | en | |
| dc.publisher | State University "Kyiv Aviation Institute" | |
| dc.relation.ispartofseries | 3; 81 | |
| dc.subject | synthetic aperture ground penetrating radar | |
| dc.subject | humanitarian demining | |
| dc.subject | quadcopter | |
| dc.subject | convolutional neural networks | |
| dc.subject | data detection | |
| dc.subject | localization and storage tasks | |
| dc.subject | георадар із синтезованою апертурою | |
| dc.subject | гуманітарне розмінування | |
| dc.subject | квадрокоптер | |
| dc.subject | згорткові нейронні мережі | |
| dc.subject | завдання виявлення | |
| dc.subject | локалізації та зберігання даних | |
| dc.subject.udc | 004.032.26(045) | |
| dc.title | An Intelligent Mobile Search System | |
| dc.title.alternative | Інтелектуальна мобільна пошукова система | |
| dc.type | Article |