Your SlideShare is downloading. ×
SOS Vincenzo di Lecce AeFLab- Politecnico di BARI 15/04/2014
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

SOS Vincenzo di Lecce AeFLab- Politecnico di BARI 15/04/2014

184

Published on

Progetto SOS – Save Our Soil Esiti e scenari …

Progetto SOS – Save Our Soil Esiti e scenari

Published in: Environment
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
184
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. REGIONE PUGLIA AREA POLITICHE PER LO SVILUPPO, IL LVAORO E L’INNOVAZIONE UNIONE EUROPEA FONDO EUROPEO DI SVILUPPO REGIONALE Intervento cofinanziato dall’U.E. – FESR P.O. Regione Puglia 2007-2013 – Asse I – Linea 1.2 Azione 1.2.4 Bando «Aiuti a Sostegno dei Partenariati Regionali per l’Innovazione - Investiamo nel vostro futuro» Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Vincenzo di Lecce AeFLab- Politecnico di BARI Progetto SOS – Save Our Soil Esiti e scenari
  • 2. AeFLab Politecnico di Bari Il ruolo previsto nel progetto è legato alla progettazione,progettazione, implementazione e sperimentazione di tecniche di clustering avanzateimplementazione e sperimentazione di tecniche di clustering avanzate. Partendo dai dati acquisiti si è proceduto ad una clustering analysis dei dati raccolti. La clustering analysis è stata inizialmente condotta con algoritmi basati su logica fuzzy con particolare interesse all’applicazione di tecniche innovative di clustering semi-supervisionato ed all’ottimizzazione delle performance mediante il tuning dei parametri degli algoritmi. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 3. Politecnico di Bari –Attività degli Obiettivi Realizzativi OR 1. Analisi della realtà territoriale OR 1.3 (SS): Realizzazione di un sistema di raccolta e sistematizzazione delleRealizzazione di un sistema di raccolta e sistematizzazione delle informazioni – implementazione di un webGisinformazioni – implementazione di un webGis OR 2. Sviluppo delle metodologie innovative OR 2.1 (RI): Pre-processing dei dati telerilevatiPre-processing dei dati telerilevati OR 2.2 (RI): Definizione e progettazione di algoritmi di elaborazione radiometrica perDefinizione e progettazione di algoritmi di elaborazione radiometrica per ll’individuazione di sostanza organica nei suoli’individuazione di sostanza organica nei suoli OR 2.3 (RI): Definizione e progettazione di algoritmi di elaborazioneDefinizione e progettazione di algoritmi di elaborazione radiometrica per lradiometrica per l’individuazione di idrocarburi nei suoli’individuazione di idrocarburi nei suoli OR 4. Validazione e valutazione dei risultati OR 4.1 (RI): Validazione degli risultatiValidazione degli risultati OR 4.2 (RI): Valutazione strategica dei risultatiValutazione strategica dei risultati Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 4. Politecnico di Bari – Report Il personale coinvolto nelle attività è riportato in tabella: Le attività sono state condotte nei periodi schematizzati come segue: È stato ammesso alla pubblicazione il lavoro scientifico sulle tematiche del progetto: V. Di Lecce, A.Casale, D. Soldo, D. Palagachev, A. Quarto, V. Uricchio, "Remote sensing Organic Matter identification," 2014 IEEE International Symposium on Innovations in Intelligent Systems and Applications, Alberobello, Italy, 23-25 June 2014 Prof. Ing. Vincenzo Di Lecce Prof. Dott. Dian Palagachev Prof. Ing. Andrea Guerriero Ing. Domenico Soldo Ing. Antonio Casale Ing. Alberto Amato Dott.ssa Annamaria Di Cosmo OR 09/’12 10/’12 11/’12 12/’12 01/’13 02/’13 03/’13 04/’13 05/’13 06/’13 07/’13 08/’13 09/’13 10/’13 11/’13 12/’13 01/’14 1.3 x x x x x x x x x x x x x 2.1 x x x x x x x x x 2.2 x x x x x x x x x x 2.3 x x x x x x x x x x 4.1 x x x x x x x x x 4.2 x x x x Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 5. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Clustering e concetto di «simiglianza» Con il termine “clustering” si intendono un insieme di algoritmi, comunemente adottati all’interno del “Data Mining”, che mirano alla classificazione “non supervisionata”, degli elementi contenuti all’interno di un determinato dataset. L’appartenenza di un elemento, normalmente associato all’osservazione di un fenomeno descritto da n variabili di interesse o equivalentemente da un vettore in uno spazio n-dimensionale, ad un determinato cluster è il risultato della misura della “distanza reciproca” tra gli elementi del dataset ed il conseguente grado di “simiglianza”. La clustering Analysis consente di formulare ipotesi/inferenze a partire dalla struttura identificata. La validazione viene quindi demandata al confronto con il ground truth (analisi chimiche a terra). Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 6. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Signature del terreno e concetto esteso di simiglianza In bibliografia non è possibile identificare una signature precisa del suolo, acquisibile da remote sensing, ovvero uno specifico segnale di Riflettanza Spettrale che sia legato alle proprietà chimico fisiche del terreno. Tale informazione consentirebbe di implementare supervisione parziale, se non completa, dell’algoritmo di clustering che ne migliorerebbe l’efficacia. È possibile invece osservare dei comportamenti caratteristici delle curve di riflettanza che possono essere formalizzati all’interno di concetti estesi di distanza e quindi apprezzati mediante algoritmi empirici di classificazione semi-supervisionata. Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 7. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Signature del terreno e concetto esteso di simiglianza Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 8. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Signature del terreno e concetto esteso di simiglianza Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 9. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Test mediante algoritmi standard Test eseguiti mediante algoritmi di clustering comunemente utilizzati in bibliografia, come Fuzzy C-Means, hanno dimostrato i limiti di tali tecniche nei confronti di dati spettrali. Il risultato sono stati cluster poco significativi dal punto di vista del contenuto di sostanza organica, o a volte completamente errati (vedi errata associazione al cluster compost) IMMAGINE ORIGINALE IMMAGINE CON 30 CLUSTER IMMAGINE ORIGINALE IMMAGINE CON 30 CLUSTER NON COMPOST COMPOST 0 10 20 30 40 50 60 70 80 90 100 0 1000 2000 3000 4000 5000 6000 Radianze spettrali di 11 punti simili su cui non è stato sparso il compost 0 10 20 30 40 50 60 70 80 90 100 0 1000 2000 3000 4000 5000 6000 Radianze spettrali di 11 punti su cui è stato sparso il compost Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 10. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Criterio di distanza per la sostanza per la sostanza organica Partendo da considerazioni empiriche e da osservazioni effettuate dal confronto tra terreno e compost, è stato messo a punto un algoritmo che sfrutta come criterio di distanza una metodologia introdotta da uno dei Ricercatori di AeFLab 0 10 20 30 40 50 60 70 80 90 100 0 1000 2000 3000 4000 5000 6000 7000 0 10 20 30 40 50 60 70 80 90 100 0 1000 2000 3000 4000 5000 6000 7000 Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 11. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Approccio adottato L’identificazione di una regione appositamente arricchita da compost ha permesso di calibrare le procedure di misura di simiglianza valutando media e deviazione standard. Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 12. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Approccio adottato Adottando l’innovativo crite- rio di distanza introdotto, è stata valutata la simiglianza della Radianza Spettrale del terreno rispetto a quella compost, segnando in nero punti i punti più simili ed in varie tonalità di grigio i punti più dissimili. Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 13. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Approccio adottato L’algoritmo è stato migliorato mediante l’applicazione di opportune maschere del calcare e della vegetazione, messe a punto a partire dalla bibliografia. Vincenzo di Lecce AeFLab- Politecnico di BARI
  • 14. Martedì 15 Aprile 2014 Villa Romanazzi Carducci - Bari Approccio adottato Quindi è stata estesa la metodologia ad una porzione di immagine più grande, contenente il suolo analizzato. Vincenzo di Lecce AeFLab- Politecnico di BARI

×