Ilkka Pölönen

Yleiskuvaus

Aktiiviset JYU-affiliaatiot

Aiemmat, ei-aktiiviset tai muut työsuhteet

Tutkimuskuvaus

Tutkin laskennallisia menetelmiä, joita voidaan soveltaa spektrikuvien analysointiin. Sovelluskohteita on kaukokartoituksessa, lääketieteessä, biologiassa tai vaikka taiteen aitouden määrittämisessä. Menetelmien hyödyntäjiä löytyy lääkäreistä maanviljelijöihin.

Tieteenalat

Seurantakohteet

Omat asiasanat

Laskennallinen data-analyysi, tietojenkäsittelytiede, sovellettu matematiikka, koneoppiminen, spektrikuvantaminen

Hankkeet, joissa vastuullinen johtaja

  

  

  

1/2

  

  

  

• Opetustekniikat metsän kasvuston hyperspektraalille droonikaukokartoitukselle (357382)
  
  • Suomen Akatemia
  01.09.2023-31.08.2027
• Epätäydellisesti tunnetun datan ongelmien analysointi käyttäen analyyttisia ja koneoppimismenetelmiä
  
  • Suomen Akatemia
  01.03.2022-29.02.2024
• Miehittämättömiin ilma-aluksiin perustuvat ratkaisut metsäpalojen hallintaan
  
  • Suomen Akatemia
  01.01.2022-31.12.2024
• aiADDVA - Adding value by Artificial Intelligence
  
  • Keski-Suomen ELY-keskus
  06.09.2021-31.10.2023
• Älykästä hyperspektrikuvausta maan ja planeettakunnan kaukokartoituksen uudelle aikakaudelle (335615)
  
  • Suomen Akatemia
  01.01.2021-31.12.2023
• Autonominen UAV spektrometriaan perustuva puun kunnon analysaattori
  
  • Suomen Akatemia
  01.01.2020-31.12.2022
• Kompleksisten pintojen kerroksellinen spektrikuvantaminen
  
  • Suomen Akatemia
  01.01.2018-31.12.2021
• Splini ja spline wavelet menetelmiä spektrikuvien kohinan poistoon ja puuttuvien pikseleiden korjaamiseen
  
  • Suomen Akatemia
  01.01.2018-31.12.2019
• Alle aallonpituuden - menetelmiä solujen spektrikuvantamiseen
  
  • Jane ja Aatos Erkon säätiö
  01.08.2017-31.12.2020
• ISPRS Frontiers in Spectral imaging and 3D Technologies for Geospatial Solutions (SPEC3D) Workshop
  
  • Osallistujat (konferenssi-, koulutus- ja yleisprojektit)
  01.03.2017-31.12.2017

Hankkeet, joissa on hanketiimin jäsen

Julkaisut ja muut tuotokset

  

  

  

2/7

  

  

  

• Differentiating Malignant from Benign Pigmented or Non-Pigmented Skin Tumours : A Pilot Study on 3D Hyperspectral Imaging of Complex Skin Surfaces and Convolutional Neural Networks (2022) Lindholm, Vivian; et al.; A1; OA 
• Discriminating Basal Cell Carcinoma and Bowen’s Disease with Novel Hyperspectral Imaging System and Convolutional Neural Networks (2022) Salmivuori, Mari; et al.; O1; OA;  
• Estimating Grass Sward Quality and Quantity Parameters Using Drone Remote Sensing with Deep Neural Networks (2022) Karila, Kirsi; et al.; A1; OA 
• Estimating Tree Health Decline Caused by Ips typographus L. from UAS RGB Images Using a Deep One-Stage Object Detection Neural Network (2022) Kanerva, Heini; et al.; A1; OA
• FPI Based Hyperspectral Imager for the Complex Surfaces : Calibration, Illumination and Applications (2022) Raita-Hakola, Anna-Maria; et al.; A1; OA
• H&E Multi-Laboratory Staining Variance Exploration with Machine Learning (2022) Prezja, Fabi; et al.; A1; OA 
• HyperBlend : Simulating Spectral Reflectance and Transmittance of Leaf Tissue with Blender (2022) Riihiaho, Kimmo A.; et al.; A4; OA 
• Hyperspectral Imaging for Non-invasive Diagnostics of Melanocytic Lesions (2022) Paoli, John; et al.; A1; OA 
• Kubelka-Munk Model and Stochastic Model Comparison in Skin Physical Parameter Retrieval (2022) Annala, Leevi; et al.; A3; 978-3-030-70787-3
• Reflectance Measurement Method Based on Sensor Fusion of Frame-Based Hyperspectral Imager and Time-of-Flight Depth Camera (2022) Rahkonen, Samuli; et al.; A1; OA 
• Unsupervised Numerical Characterization in Determining the Borders of Malignant Skin Tumors from Spectral Imagery (2022) Pölönen, Ilkka; et al.; A3; OA; 978-3-030-70787-3
• Updating strategies for distance based classification model with recursive least squares (2022) Raita-Hakola, Anna-Maria; et al.; A4; OA 
• Using Wave Propagation Simulations and Convolutional Neural Networks to Retrieve Thin Film Thickness from Hyperspectral Images (2022) Erkkilä; et al.; A3; 978-3-030-70787-3
• Validation of Knee KL-classifying Deep Neural Network with Finnish Patient Data (2022) Niinimäki, Esko; et al.; A3; 978-3-030-70787-3
• A Do-It-Yourself Hyperspectral Imager Brought to Practice with Open-Source Python (2021) Riihiaho, Kimmo Aukusti; et al.; A1; OA

Tutkimusaineiston tekijä