Vision inspection using artificial intelligence to improve safety of aerodrome
[ 1 ] Instytut Automatyki i Robotyki, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee
[ 1 ] Instytut Automatyki i Robotyki, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee
english
- image processing
- edge computing
- aviation safety
- machine learning
- artificial neural networks
- przetwarzanie obrazu
- przetwarzanie brzegowe
- bezpieczeństwo lotnicze
- uczenie maszynowe
- sztuczne sieci neuronowe
EN The dissertation presents research study of artificial intelligence in visual inspections to improve airport safety. Ensuring the safety of aviation operations requires the effective monitoring of critical airport zones, such as runways, taxiways, and aprons. In line with international agency guidelines, including those from EASA, these inspections should integrate AI-driven algorithms, such as neural networks and machine learning, to assist technical staff. The core argument of the doctoral research asserts that the combination of advanced image processing techniques and neural networks in embedded systems substantially enhances the automation of airport inspections. The study concentrated on three primary areas: detecting Foreign Object Debris (FOD), analyzing runway markings, and classifying airfield lighting systems. Innovative algorithms were developed in partnership with the airport to support aerodrome inspections.
PL Praca przedstawia wyniki badań nad wykorzystaniem sztucznej inteligencji do inspekcji wizyjnej w celu poprawy bezpieczeństwa portów lotniczych. Kontrola kluczowych obszarów lotnisk, takich jak drogi startowe, kołowania i płyty postojowe, jest krytyczna dla bezpieczeństwa operacji lotniczych. Zgodnie z wytycznymi międzynarodowych agencji, takich jak EASA, inspekcje te powinny wykorzystywać algorytmy oparte na sztucznej inteligencji, w tym sieci neuronowe i uczenie maszynowe, wspomagając personel techniczny. Główna teza rozprawy doktorskiej zakłada, że zaawansowane metody przetwarzania obrazu w połączeniu z sieciami neuronowymi w systemach wbudowanych znacząco usprawniają automatyzację inspekcji portów lotniczych. Badania skoncentrowano na trzech kluczowych obszarach: wykrywaniu obiektów typu FOD, analizie oznaczeń poziomych oraz klasyfikacji lamp oświetlenia nawigacyjnego. Opracowano innowacyjne algorytmy we współpracy z portem lotniczym, wspierające inspekcję płaszczyzn lotniskowych.
218
automation, electronics, electrical engineering and space technologies
public
Adam Kawalec
Warszawa, Polska
30.01.2025
polish
public
Paweł Strumiłło
10.01.2025
polish
public
Ryszard Tadeusiewicz
Kraków, Polska
07.01.2025
polish
public
dissertation before defense
Poznań, Polska
15.04.2025