Υλοποίηση συστήματος ασφάλειας και ανίχνευση κίνησης με τεχνικές TinyML
| datacite.contributor.RelatedPerson | Μακρής, Χρήστος | |
| datacite.contributor.RelatedPerson | Τσώλης, Δημήτριος | |
| datacite.contributor.Supervisor | Σιούτας, Σπυρίδων | |
| dc.contributor.author | Ζαρώνης, Ταξιάρχης | |
| dc.contributor.other | Zaronis, Taxiarchis | |
| dc.date.accessioned | 2024-10-21T07:28:42Z | |
| dc.date.available | 2024-10-21T07:28:42Z | |
| dc.date.issued | 2024-09-24 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Το αντικείμενο της συγκεκριμένης διπλωματικής εργασίας είναι ο σχεδιασμός και η υλοποίηση ενός συστήματος έξυπνης γειτονιάς, «Smart Neighborhood», το οποίο προλαμβάνει ατυχήματα που οφείλονται στις επικρατούσες καιρικές συνθήκες, όπως η ολίσθηση αυτοκινήτων στο οδόστρωμα και ατυχήματα που σχετίζονται με αναπνευστικές δυσκολίες στους ανθρώπους. Επιπλέον, μπορεί να ανιχνεύει και να ενημερώνει για πιθανές διαρρήξεις. Στόχος είναι το παραγόμενο σύστημα να ανταποκρίνεται στις πραγματικές συνθήκες και να ενημερώνει τον χρήστη όταν ο κίνδυνος για κάποιο από αυτά τα συμβάντα είναι αυξημένος. Για την ανάπτυξή του, χρησιμοποιήθηκαν αλγόριθμοι μηχανικής μάθησης, καθώς και αισθητήρες θερμοκρασίας, υγρασίας, βροχής, κίνησης και ήχου για τη συλλογή δεδομένων από το περιβάλλον. Η εκπαίδευση του μοντέλου και η υλοποίηση του συστήματος πραγματοποιήθηκαν με τη γλώσσα προγραμματισμού Python και το framework TensorFlow και TensorFlow Lite. Τελικά, ο στόχος επιτεύχθηκε, και δημιουργήθηκε ένα πλήρως λειτουργικό σύστημα που ανταποκρίνεται σε πραγματικές περιβαλλοντικές συνθήκες. | |
| dc.description.translatedabstract | The object of this thesis is the design and development of the implementation of a smart neighborhood system, "Smart Neighborhood", which prevents accidents caused by the prevailing weather conditions, such as slipping sliding of cars on the road and accidents related to respiratory difficulties in people. In addition, it can detect and inform about possible burglaries. The aim is for the system produced to be responsive to real-life conditions and to inform the user when the risk of any of these events is increased. For its development, machine learning algorithms were used, as well as temperature, humidity, rain, motion and sound sensors to collect data from the environment. The training of the model and the implementation of the system were carried out using the Python programming language and the TensorFlow framework and TensorFlow Lite. Ultimately, the goal was achieved, and a fully functional system that responds to real environmental conditions. | |
| dc.identifier.uri | https://hdl.handle.net/10889/28431 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Σύστημα έξυπνης γειτονιάς | |
| dc.subject.alternative | Internet of Things (IoT) | |
| dc.subject.alternative | TinyML | |
| dc.subject.alternative | Smart neighborhood system | |
| dc.title | Υλοποίηση συστήματος ασφάλειας και ανίχνευση κίνησης με τεχνικές TinyML | |
| dc.title.alternative | Implementation of a security system and movement detection with TinyML techniques |