ارائه کننده: سحر حسین خانی
استاد راهنما: دکتر کیوان فرورقی
استاد ناظر داخلی: دکتر احمدرضا شرافت
استاد ناظر خارجی: دکتر جلیل راشد محصل (دانشگاه تهران)
استاد مشاور: دکتر زهرا اطلس باف
تاریخ: 1402/03/22
ساعت: 10
مکان: اتاق 609

چکیده:
مین های زمینی و بقایای مواد منفجره جنگ، مناطق وسیعی را در سراسر جهان آلوده می کند و تهدیدی جدی و مداوم برای غیرنظامیان است. بنابراین، توسعه روش‌هایی برای بومی‌سازی مین‌های زمینی برای پاکسازی مناطق آلوده به مین‌های زمینی از اهمیت بالایی برخوردار است. رادار نفوذ به زمین یک ابزار مهم آزمایش غیرمخرب برای اکتشاف اهداف زیرزمینی نظیر مین­های زمینی است. به دلیل ساختارهای پیچیده اهداف زیرزمینی، تفسیر داده‌های رادار نفوذ به زمین عمدتاً به اپراتورهای ماهر متکی است، و به دلیل حجم زیاد داده‌های رادار نفوذ به زمین، تفسیر دستی سنتی زمان‌بر و پر زحمت است. برای پرداختن به این مشکل از روش­های یادگیری ماشینی به دلیل هزینه نسبتاً پایین، سرعت بالا و دقت بالا استفاده می­شود. یک راه ممکن برای حل مسأله مکان یابی مین ها این است که در دو مرحله جداگانه پیش برویم: تشخیص شی مدفون و طبقه بندی اشیا. تشخیص شی شامل مشخص کردن وجود اهداف مدفون است که نشان دهنده یک تهدید احتمالی است، و طبقه بندی اشیاء فرآیند تمایز اشیاء منتخب (مانند مین های زمینی) از سایر اهداف مدفون شده (مانند کلاتر) است. در این پایان نامه یک روش کارآمد تشخیص هدف زیرزمینی که در اینجا این اهداف مین های زمینی هستند، مبتنی بر شبکه‌های عصبی طراحی و شبیه سازی شده است. نتایج سطح مقطع راداری مربوط به مین بعنوان ورودی شبکه عصبی طراحی شده اعمال می شود و وجود یا عدم وجود مین و همچنین نوع مین و تمایز آن ­ها از کلاترها بعنوان خروجی شبکه بدست می آید.