Spatiotemporal Event Detection for Real-Time Multi-Domain Applications
- Promovendus/a
- Vanhaeverbeke, Jelle
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Elektronica en Informatiesystemen
- Curriculum
- Master in de industriële wetenschappen: elektronica-ICT - afstudeerrichting ingebedde systemen, Universiteit Gent, 2019
- Academische graad
- Doctor in de industriële wetenschappen: elektronica-ICT
- Taal proefschrift
- Engels
- Vertaling titel
- Tijdruimtelijke gebeurtenisdetectie voor realtime toepassingen in diverse domeinen
- Promotor(en)
- prof. Steven Verstockt, vakgroep Elektronica en Informatiesystemen - prof. Sofie Van Hoecke, vakgroep Elektronica en Informatiesystemen
- Examencommissie
- voorzitter prof. Hennie De Schepper (onderwijsdirecteur) - prof. Hiep Luong, vakgroep Telecommunicatie en Informatieverwerking - prof. Glenn Van Wallendael, vakgroep Elektronica en Informatiesystemen - dr. ing. Florian Vandecasteele, Hulpverleningszone Fluvia - prof. Tim Verdonck, Universiteit Antwerpen - promotor prof. Steven Verstockt, vakgroep Elektronica en Informatiesystemen - promotor prof. Sofie Van Hoecke, vakgroep Elektronica en Informatiesystemen
Korte beschrijving
In onze datagedreven wereld wordt het steeds belangrijker om gebeurtenissen te identificeren en te analyseren. Waar dit vroeger vooral afhankelijk was van menselijke supervisie, maken nieuwe technieken, gebaseerd op sensoren en data-analyse, steeds meer automatische detectie mogelijk. Het herkennen van gebeurtenissen in complexe, realistische omgevingen brengt echter uitdagingen met zich mee. Dit proefschrift onderzoekt via vier casestudies hoe deze obstakels kunnen worden overwonnen. Voor de staalindustrie wordt een hybride systeem ontworpen dat traditionele computervisie en machine learning combineert om productieprocessen te monitoren. Daarbij detecteert het systeem realtime afwijkingen in vlamgedrag om de staalkwaliteit te waarborgen. Om gebouwen intelligenter te maken, wordt een model ontwikkeld dat CO₂-niveaus analyseert om menselijke aanwezigheid te detecteren. Dit draagt bij aan een efficiënter energiegebruik en een hoger comfort voor aanwezigen. Een derde studie introduceert een methode voor COVID-19-risicobeoordeling in kantoren, waarmee gerichte maatregelen mogelijk worden en de bewustwording toeneemt. Tot slot biedt een nieuw computervisiesysteem een geautomatiseerde manier om belangrijke locaties tijdens wielerwedstrijden te herkennen, wat live-uitzendingen efficiënter en aantrekkelijker maakt. Deze casestudies demonstreren hoe robuuste gebeurtenisdetectiesystemen kunnen bijdragen aan efficiëntere, effectievere en veiligere processen in uiteenlopende sectoren.
Praktisch
- Datum
- Maandag 28 april 2025, 17:00
- Locatie
- auditorium A - Magnel, gebouw 60 Magnel (eerste verdieping), Technologiepark 60, 9052 Zwijnaarde
Meer info
- Contact
- doctoraat.ea@UGent.be