Machine learning based object classification from pulse induction metal detector data

doctoral thesis

• Title (croatian): Klasifikacija objekata iz podataka impulsnog detektora metala primjenom strojnog učenja
• Author: Marko Šimić
• Mentor: Vedran Bilas (mentor)
• Committee member: Darko Vasić (predsjednik povjerenstva)
• Committee member: Stjepan Begušić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2024-07-22, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing
• Universal decimal classification (UDC): 004 - Computer science and technology. Computing. Data processing

Abstract

Antipersonnel landmines still pose a significant threat to civilian safety decades after the cessation of conflicts, killing or maiming thousands of victims every year. This thesis addresses a major technological limitation of existing methods used in humanitarian demining, which rely on metallic object detection, making landmine removal a slow, expensive, and dangerous process. Specifically, the thesis aims to improve existing methods to allow the shift from the traditional concept of metallic object detection to metallic object identification. The conducted research is separated into three parts. The first part discusses a novel approach for measuring the time-domain magnetic polarizability tensor using a pulse induction metal detector and electromagnetic tracking system. An accuracy evaluation was done using frequency-domain magnetic polarizability tensor simulations. For comparison, the novel methodology based on the discrete spectrum of relaxation frequencies for the transformation of magnetic polarizability tensors from frequency- to time domain is established. The second part introduces a method based on a convolutional neural network for rapid metallic object depth estimation from line-scan metal detector data. The third and last part presents a novel classification method based on a convolutional neural network for the identification of small metallic objects of practical interest in humanitarian demining. The accomplished scientific contribution of the thesis is: 1.) Method for measurement of the magnetic polarizability tensor using pulse induction metal detector, 2.) Method for evaluation of features derived from the time-domain magnetic polarizability tensor for metallic object classification, and 3.) Machine learning-based method for classification of metallic objects in humanitarian demining.

Abstract (croatian)

Protupješačke mine i dalje predstavljaju značajnu prijetnju za sigurnost ljudi desetljećima nakon prestanka sukoba ubijajući ili osakaćujući tisuće žrtava svake godine. Ovaj doktorski rad se bavi rješavanjem glavnih tehnoloških ograničenja postojećih metoda u humanitarnom razminiranju koje se oslanjaju na detekciju metalnih predmeta, što postupak razminiranja čini sporim, skupim i opasnim. Konkretno, cilj rada je nadgraditi postojeće metode da bi se omogućio prijelaz s tradicionalnog koncepta detekcije metalnih predmeta na koncept identifikacije metalnih predmeta. Provedeno istraživanje podijeljeno je u tri dijela. U prvom dijelu raspravlja se o novom pristupu mjerenja tenzora magnetske polarizabilnosti u vremenskoj domeni korištenjem impulsnog detektora metala i elektromagnetskog sustava za praćenje. Procjena točnosti mjerenja napravljena je korištenjem simulacija tenzora magnetske polarizabilnosti u frekvencijskoj domeni. Kako bi se omogućila usporedba, razvijena je nova metodologija za transformaciju tenzora magnetske polarizabilnosti iz frekvencijske u vremensku domenu koja se temelji na upotrebi diskretnog spektra relaksacijskih frekvencija. Drugi dio rada predstavlja metodu temeljenu na primjeni konvolucijske neuronske mreže za brzu procjenu dubine metalnog predmeta iz podataka linijskog odziva detektora metala. Treći i posljednji dio rada predstavlja novu metodu klasifikacije temeljenu na primjeni konvolucijske neuronske mreže za identifikaciju malih metalnih predmeta od praktičnog interesa u humanitarnom razminiranju. Ostvareni znanstveni doprinos disertacije je: 1.) Metoda mjerenja tenzora magnetske polarizabilnosti korištenjem impulsnog detektora metala, 2.) Metoda vrednovanja značajki izvedenih iz tenzora magnetske polarizabilnosti u vremenskoj domeni s primjenom na klasifikaciju metalnih objekata, i 3.) Metoda za klasifikaciju metalnih objekata u humanitarnom razminiranju zasnovana na strojnom učenju.

• Keywords: humanitarian demining; metal detector; magnetic polarizability tensor; discrete spectrum of relaxation frequencies; electromagnetic induction; convolutional neural network
• Keywords (croatian): humanitarno razminiranje; detektor metala; tenzor magnetske polarizabilnosti; nelinearna metoda najmanjih kvadrata; konvolucijska neuronska mreža; diskretni spektar relaksacijskih frekvencija; elektromagnetska indukcija
• Language: english
• URN:NBN: urn:nbn:hr:168:215654
• Promotion: 2024
• Study programme: Title: Computer Science; Study programme type: university; Study level: postgraduate; Academic / professional title: Doktor znanosti (Doktor znanosti)
• Type of resource: Text
• Extent: 115 str.
• File origin: Born digital
• Access conditions: Open access
• Created on: 2024-09-11 07:45:51