Ονοματεπώνυμο Υποψήφιου Διδάκτορα: Γεώργιος Φεύγας

Ημερομηνία Παρουσίασης: Τρίτη 17.06.2025

Ώρα: 14:00 μ.μ.

Τόπος: Αίθουσα Φουαγιέ, Κεντρικό Αμφιθέατρο ΔΠΘ Καβάλα

Θέμα Δ.Δ «Τεχνικές Ανάλυσης Βλάστησης μέσω Εναέριας και Δορυφορικής Τηλεπισκόπησης με χρήση Τεχνητής Νοημοσύνης και Δικτύων Νέας Γενιάς»

Title PhD «Techniques for Vegetation Analysis through Aerial and Satellite Remote Sensing using Artificial Intelligence and Νext-Generation Networks»

Επιβλέπων: Θωμάς Λάγκας

Επταμελής Εξεταστική Επιτροπή:

1.  Θωμάς Λάγκας, Επίκουρος Καθηγητής, Τμήμα Πληροφορικής ΔΠΘ, Ελλάδα

2.  Παναγιώτης Σαρηγιαννίδης, Καθηγητής, Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΠΔΜ, Ελλάδα

3.  Βασίλειος Αργυρίου, Καθηγητής (Professor), Τμήμα Δικτύων και Ψηφιακών Μέσων (Department of Networks and Digital Media), Πανεπιστήμιο Κίνγκνστον (Kingston University), Αγγλία

4.  Δημήτριος Καραμπατζάκης, Επίκουρος Καθηγητής, Τμήμα Πληροφορικής ΔΠΘ, Ελλάδα

5.  Αύγουστος Τσινάκος, Καθηγητής, Τμήμα Πληροφορικής ΔΠΘ, Ελλάδα

6.  Γεώργιος Παπακώστας, Καθηγητής, Τμήμα Πληροφορικής ΔΠΘ, Ελλάδα

7.  Σωτήριος Γούδος, Καθηγητής, Τμήμα Φυσικής ΑΠΘ, Ελλάδα

Περίληψη:

Η παρούσα διδακτορική διατριβή επικεντρώνεται στην ανάπτυξη νέων μεθόδων ανάλυσης της βλάστησης και έγκαιρης ανίχνευσης της φυτικής καταπόνησης, αξιοποιώντας δεδομένα τηλεπισκόπησης από Μη Επανδρωμένα Εναέρια Οχήματα (UAV), αισθητήρες IoT και δορυφορικές εικόνες. Στόχος είναι η αποτελεσματική παρακολούθηση και διαχείριση των καλλιεργειών, μέσω της συνδυαστικής χρήσης τεχνικών υπολογιστικής όρασης, μηχανικής μάθησης και τεχνολογιών όπως το υπολογιστικό νέφος και τα δίκτυα 5G. Ιδιαίτερη έμφαση δίνεται στην ανάπτυξη νέων τεχνικών και μεθόδων για την ανίχνευση της φυτικής καταπόνησης, τόσο από εναέρια όσο και από δορυφορική τηλεπισκόπηση. Η μελέτη περιλαμβάνει επίσης βελτιστοποιημένο σχεδιασμό διαδρομών κάλυψης για UAV και διερεύνηση των δυνατοτήτων χρήσης νανοδορυφόρων, αναδεικνύοντας τη σημασία της ενσωμάτωσης εναέριων και δορυφορικών δεδομένων για εφαρμογές γεωργίας ακριβείας.

Abstract:

This PhD thesis focuses on the development of new methods for vegetation analysis and the early detection of plant stress using remote sensing data from Unmanned Aerial Vehicles (UAVs), Internet of Things (IoT) sensors, and satellite imagery. The aim is to efficiently monitor and manage crops through the combined use of computer vision methods, machine learning, cloud computing, and 5G networks. Particular emphasis is placed on the development of new techniques and methodologies for plant stress detection using both aerial and satellite-based remote sensing. The research also includes optimized coverage path planning for UAVs and an exploration of the potential of nanosatellites, highlighting the importance of integrating aerial and satellite data for precision agriculture applications.