Ανάπτυξη υλικού χαμηλού κόστους και λογισμικού στοχαστικής επεξεργασίας για γεωσήματα και περιβαλλοντολογικά δεδομένα

Abstract

This doctoral dissertation addresses the design, construction, deployment and systematic evaluation of low-cost Internet of Things (IoT) systems for monitoring natural and biological hazards in the Ionian Islands Region of Greece. The study area lies among the highest seismic-hazard regions in Europe owing to its position on the Hellenic Subduction Zone and the Kefalonia Transform Fault, while simultaneously sustaining annual losses of 30—35% of olive production from Bactrocera oleae infestations and recurrent earthquake- and rainfall-triggered landslides. The common requirement across these challenges is dense spatial monitoring at island scale, economically sustainable for peripheral communities. The central research hypothesis is that the weaknesses of a single low-cost node — low signal-to-noise ratio, limited dynamic range, susceptibility to local noise — are compensated by the density of the network in which it is embedded, through statistical redundancy, spatial averaging and cross-validation, rendering the aggregate system reliable and comparable to commercial reference-grade equipment. Under this hypothesis, four subsystems were developed on a common technological platform (Raspberry Pi 3B+, Python, 4G/LTE, energy autonomy): (a) a low-cost seismograph based on a GS-11D geophone and a 24-bit ADS1256 digitizer, (b) a Deep Neural Network (DNN) algorithm for seismic event detection under urban noise, (c) a landslide monitoring station with MEMS accelerometers and geotechnical sensors, and (d) a Digital Olive Fly Trap with Computer Vision for automated Bactrocera oleae counting. The systems were installed on four of the seven islands of the Region of Ionian Islands — Lefkada, Kefalonia, Corfu, and Zakynthos — where they remained in continuous operation for seven years (2017–2024). The seismograph (~€300) was characterized through transfer-function H(s) derivation and deconvolution, achieving a mean local magnitude estimation error of |ΔML| = 0.087 for epicentral distances up to 15 km against a reference station of the Hellenic Unified Seismological Network (HUSN). The DNN algorithm achieves F1 = 88% and recall = 100% in distinguishing seismic events from anthropogenic noise in urban environments. The landslide network (~€800 per station) constitutes, to the best of our knowledge, the first documented low-cost landslide monitoring network in the Ionian Islands. The Digital Olive Fly Trap (~€250 per unit) reaches classification accuracy > 85% under field conditions, contributing to compliance with EU Directive 2009/128/EC on Integrated Pest Management. The per-node cost (~€300—800) corresponds to 1—16% of the commercial equivalent.The integration of the four subsystems into a common multi-domain platform realises the specifications of a Multi-Hazard Early Warning System (MHEWS) as defined by the WMO and the Sendai Framework 2015—2030. According to the literature review, this work represents the first multi-domain application of this scale in an island environment worldwide, establishing the viability of unified low-cost IoT platforms as an alternative for peripheral high-risk communities with limited resources.

Η παρούσα διδακτορική διατριβή πραγματεύεται τη σχεδίαση, κατασκευή, εγκατάσταση και συστηματική αξιολόγηση συστημάτων χαμηλού κόστους βασισμένων σε τεχνολογίες Διαδικτύου των Πραγμάτων (IoT), για την παρακολούθηση φυσικών και βιολογικών κινδύνων στην Περιφέρεια Ιονίων Νήσων. Η περιοχή μελέτης κατατάσσεται στις υψηλότερες σεισμικές επικινδυνότητες της Ευρώπης, λόγω της ένταξής της στη Ζώνη Υποβύθισης των Ιονίων και στο Ρήγμα Μετασχηματισμού Κεφαλονιάς, ενώ ταυτόχρονα υφίσταται ετήσιες απώλειες 30—35% της ελαιοπαραγωγής από τη δακοπροσβολή (δάκος της ελιάς) και επαναλαμβανόμενες σεισμογενείς και βροχοπτωτικές κατολισθήσεις. Το κοινό χαρακτηριστικό των δύο προκλήσεων είναι η ανάγκη πυκνής χωρικής παρακολούθησης σε νησιωτική κλίμακα, οικονομικά βιώσιμης. Η κεντρική ερευνητική υπόθεση είναι ότι η αδυναμία κάθε μεμονωμένου κόμβου χαμηλού κόστους — χαμηλός λόγος σήματος προς θόρυβο, περιορισμένη δυναμική περιοχή, ευαισθησία σε τοπικό θόρυβο — αντισταθμίζεται από την πυκνότητα του δικτύου στο οποίο εντάσσεται, μέσω στατιστικής πλεονασματικότητας, χωρικής εξομάλυνσης και αλληλοεπαλήθευσης, καθιστώντας το σύνολο αξιόπιστο και συγκρίσιμο με εμπορικό εξοπλισμό επιστημονικής αναφοράς. Υπό αυτή την υπόθεση, αναπτύχθηκαν τέσσερα υποσυστήματα πάνω σε κοινή τεχνολογική πλατφόρμα (Raspberry Pi 3B+, Python, 4G/LTE, ενεργειακή αυτονομία): (α) σεισμογράφος με γεώφωνο GS-11D και ψηφιοποιητή 24-bit ADS1256, (β) αλγόριθμος ανίχνευσης σεισμικών σημάτων σε αστικό θόρυβο μέσω Βαθιών Νευρωνικών Δικτύων (DNN), (γ) κατολισθητικός σταθμός με επιταχυνσιόμετρα MEMS και γεωτεχνικούς αισθητήρες, και (δ) ψηφιακή δακοπαγίδα για αυτόματη καταμέτρηση δάκου μέσω υπολογιστικής όρασης. Τα συστήματα εγκαταστάθηκαν σε τέσσερα νησιά της Περιφέρειας (Λευκάδα, Κεφαλονιά, Κέρκυρα, Ζάκυνθος) και λειτούργησαν αδιάλειπτα επί επτά έτη (2017—2024). Ο σεισμογράφος (~300 €) χαρακτηρίστηκε μέσω της συνάρτησης μεταφοράς H(s) και αποσυνέλιξης, επιτυγχάνοντας μέσο σφάλμα εκτίμησης τοπικού μεγέθους |ΔML| = 0,087 για επικεντρικές αποστάσεις έως 15 km, έναντι σταθμού αναφοράς του Ελληνικού Ενοποιημένου Σεισμολογικού Δικτύου (HUSN). Ο αλγόριθμος DNN επιτυγχάνει F1 = 88% και recall = 100% στη διάκριση σεισμικών γεγονότων από ανθρωπογενή θόρυβο σε αστικό περιβάλλον. Το δίκτυο κατολισθήσεων (~800 €/σταθμό) αποτελεί, κατά τη βιβλιογραφική ανασκόπηση, το πρώτο τεκμηριωμένο δίκτυο κατολισθητικής παρακολούθησης χαμηλού κόστους στα Ιόνια. Η Ψηφιακή Δακοπαγίδα (~250 €/μονάδα) επιτυγχάνει ακρίβεια ταξινόμησης > 85% σε συνθήκες πεδίου, συμβάλλοντας στη συμμόρφωση με την Οδηγία IPM 2009/128/ΕΚ. Το κόστος ανά κόμβο (~300—800 €) αντιστοιχεί σε 1—16% του εμπορικού ισοδύναμου. Η ενοποίηση των τεσσάρων υποσυστημάτων σε κοινή πολυτομεακή πλατφόρμα υλοποιεί τις προδιαγραφές Συστήματος Έγκαιρης Προειδοποίησης Πολλαπλών Κινδύνων (Multi-Hazard Early Warning System, MHEWS) του WMO και του Πλαισίου Σεντάι 2015—2030. Η εργασία αποτελεί, κατά τη βιβλιογραφική ανασκόπηση, την πρώτη πολυτομεακή εφαρμογή αυτής της κλίμακας σε νησιωτικό περιβάλλον διεθνώς και τεκμηριώνει τη βιωσιμότητα ενοποιημένων IoT πλατφορμών χαμηλού κόστους ως εναλλακτική λύση για περιφερειακές κοινότητες υψηλού κινδύνου με περιορισμένους πόρους.