חקר והשוואה בין אלגוריתמי עיבוד תמונה לסגמנטציה של מאגרי מים טבעיים בתמונות לוויין

משבר האקלים, גידול האוכלוסייה וצפיפותה וגורמים סביבתיים הנובעים מגורמים אלו מגבירים את המחסור במים זמינים לשתייה במקומות רבים בעולם. לכן, יש חשיבות רבה לשמור על איכות המים במאגרי המים הטבעיים. בשנים האחרונות עולה צורך בניטור מהיר, יעיל ובקנה מידה רחב של מאגרי מים טבעיים. כוח המחשוב הזול והזמין יחד עם אוסף תצלומי לוויין הנגיש לציבור מאפשרים להפעיל מודלים ממוחשבים לטובת זיהוי שינויים במקורות מים באופן יעיל וזול. מטרת המחקר הייתה להשוות מודלים שונים מתחום זיהוי התמונה ולהגיע למודל המאפשר את הדיוק הרב ביותר של זיהוי מאגר מים על ידי מחשב, ולהבין את מגבלותיו. לצורך ביצוע הזיהוי, חקרתי ופיתחתי אלגוריתמי עיבוד תמונה קלאסיים, מודלי למידת מכונה (Machine Learning) ורשתות נוירונים עמוקות (Deep Neural Networks). התוצאות הראו שרשתות נוירונים עדיפות על פני השיטות האחרות בדיוק הזיהוי ובפרט מתעלות רשתות עם מספר קטן של שכבות קיפול (Convolution Layers) על רשתות עמוקות יותר בביצוע הזיהוי. בעזרת התוכנית שפותחה ניתן לקדם יישומי המשך רבים, כמו: חישוב שינויים בכמות המים במאגר על פני זמן, חיזויים והתרעות לגבי חשד להצפה או שיטפון. 

‍