Thermosets are appropriate materials for various applications due to benefits such as heat resistance and good mechanical properties. The disadvantages of traditional thermosets from a sustainable manufacturing perspective are that they are usually derived from fossil resources, and also have permanent cross-linked networks that are difficult to break, making them non-recyclable. It is therefore of great interest to find bio-based alternatives, especially ones that can be recycled or bio-degraded. In this project four bio-based photocurable resins, meant for 3D printing thermosets, were characterized by their mechanical properties and chemical degradation. They were designed with esters and imine groups in order to use dynamic, reversible bonds to attempt mechanical recycling and chemical degradation. The resins were composed of methacrylated eugenol, methacrylated PHB-diol and Schiff base methacrylated extended vanillin. The latter provided good thermal stability, solvent resistance and mechanical properties to the thermosets. The mechanical recycling was able to produce cohesive thermoset films, successfully reforming broken bonds, but the mechanical properties decreased substantially from the process. Chemical degradation of the thermosets could be performed, but further use of the degraded material was not examined. / Härdplaster är lämpliga material för olika applikationer på grund av sina fördelaktiga egenskaper, som värmebeständighet och goda mekaniska egenskaper. Nackdelarna med traditionella härdplaster ur ett hållbarhetsperspektiv är att de vanligtvis härrör från fossila resurser. De har även permanent tvärbundna nätverk som är svåra att bryta, vilket gör dem icke-återvinningsbara. Det är därför av stort intresse att hitta biobaserade alternativ, särskilt sådana som kan återvinnas eller biologiskt nedbrytas. I detta projekt karaktäriserades fyra biobaserade foto-polymeriserbara hartser, avsedda för 3D-tillverkning av härdplaster, genom sina mekaniska egenskaper och kemiska nedbrytbarhet. De designades med ester- och imingrupper för att kunna använda dynamiska, reversibla bindningar i ett försök att mekaniskt återvinna och kemiskt bryta ned härdplasterna. Hartserna var sammansatta av metakrylerad eugenol, metakrylerad PHB-diol och Schiff-bas metakrylerad förlängd vanillin. Den senare tillförde bra termisk stabilitet, motstånd mot lösningsmedel och mekaniska egenskaper åt härdplasterna. Den mekaniska återvinningen kunde producera sammanhängande plastfilmer genom återskapade bindningar, men de mekaniska egenskaperna försämrades avsevärt från processen. Kemisk nedbrytning av härdplasterna kunde utföras, men ytterligare användning av det nedbrutna materialet undersöktes inte.

Sensor fault detection is an actively researched area and there are a plethora of studies on sensor fault detection in various applications such as nuclear power plants, wireless sensor networks, weather stations and nuclear fusion. However, there does not seem to be any study focusing on detecting sensor faults in the threaded fastening assembly application. Since the threaded fastening tools use torque and angle measurements to determine whether or not a screw or bolt has been fastened properly, faulty measurements from these sensors can have dire consequences. This study aims to investigate the use of machine learning to detect a subtle kind of sensor faults, common in this application, that are difficult to detect using canonical model-based approaches. Because of the subtle and infrequent nature of these faults, a two-stage system was designed. The first component of this system is given sensor data from a tightening and then tries to classify each data point in the sensor data as normal or faulty using a combination of low-pass filtering to generate residuals and a support vector machine to classify the residual points. The second component uses the output from the first one to determine if the complete tightening is normal or faulty. Despite the modest performance of the first component, with the best model having an F1-score of 0.421 for classifying data points, the design showed promising performance for classifying the tightening signals, with the best model having an F1-score of 0.976. These results indicate that there indeed exist patterns in these kinds of torque and angle multi-sensor signals that make machine learning a feasible approach to classify them and detect sensor faults. / Sensorfeldetektering är för nuvarande ett aktivt forskningsområde med mängder av studier om feldetektion i olika applikationer som till exempel kärnkraft, trådlösa sensornätverk, väderstationer och fusionskraft. Ett applikationsområde som inte verkar ha undersökts är det inom åtdragningsmontering. Eftersom verktygen inom åtdragningsmontering använder mätvärden på vridmoment och vinkel för att avgöra om en skruv eller bult har dragits åt tillräckligt kan felaktiga mätvärden från dessa sensorer få allvarliga konsekvenser. Målet med denna studie är att undersöka om det går att använda maskininlärning för att detektera en subtil sorts sensorfel som är vanlig inom åtdragningsmontering och har visat sig vara svåra att detektera med konventionella modell-baserade metoder. I och med att denna typ av sensorfel är både subtila och infrekventa designades ett system bestående av två komponenter. Den första får sensordata från en åtdragning och försöker klassificera varje datapunkt som antingen normal eller onormal genom att uttnyttja en kombination av lågpassfiltrering för att generera residualer och en stödvektormaskin för att klassificera dessa. Den andra komponenten använder resultatet från den första komponenten för att avgöra om hela åtdragningen ska klassificeras som normal eller onormal. Trots att den första komponenten hade ett ganska blygsamt resultat på att klassificera datapunkter så visade systemet som helhet mycket lovande resultat på att klassificera hela åtdragningar. Dessa resultat indikerar det finns mönster i denna typ av sensordata som gör maskininlärning till ett lämpligt verktyg för att klassificera datat och detektera sensorfel.

Flood forecasting maps are essential for rapid disaster response and risk management, yet the computational complexity of physically-based simulations hinders their application for efficient high-resolution spatial flood forecasting. To address the problems of high computational cost and long prediction time, this thesis proposes to develop deep learning neural networks based on a flood simulation dataset, and explore their potential use for flood prediction without learning hydrological modelling knowledge from scratch.  A Fully Convolutional Network (FCN), FCN with multiple outputs (Multioutput FCN), UNet, Graph-based model and their Recurrent Neural Network (RNN) variants are trained on a catchment area with twelve rainfall events, and evaluated on two cases of a specific rainfall event both quantitatively and qualitatively. Among them, Convolution-based models (FCN, Multioutput FCN and UNet) are commonly used to solve problems related to spatial data but do not encode the position and orientation of objects, and Graph-based models can capture the structure of the problem but require higher time and space complexity. RNN-based models are effective for modelling time-series data, however, the computation is slow due to its recurrent nature. The results show that Multioutput FCN and the Graph-based model have significant advantages in predicting deep water depths (>50 cm), and the application of recurrent training greatly improves the long-term flood prediction accuracy of the base deep learning models. In addition, the proposed recurrent training FCN model performs the best and can provide flood predictions with high accuracy.

Artificiell intelligens (AI) inom marknadsföring har haft en ökad tillväxt de senaste åren. Marknadsföringen blir i allt större utsträckning datadriven, den tekniska utvecklingen har ständigt påverkat marknadsföringen och visat att AI-baserad marknadsföring kan göra skillnad. Det finns däremot många frågor som behöver besvaras innan AI kan användas på ett etiskt och effektivt sätt. Forskare uppmanar att analysera faktorer som påverkar konsumenters attityder till AI-baserad marknadsföring. Syftet med studien är därför att analysera hur upplevd integritetsrisk, upplevt förtroende och upplevda fördelar påverkar svenska konsumenters attityder till AI-baserad marknadsföring inom e-handel. Konsumentattityderna beskrivs i termer av känslomässig respektive kalkylmässig attityd. Metoden som användes var kvantitativ med en deduktiv ansats. Studien tog grund i en tvärsnittsdesign där en enkätundersökning utfördes. Webbenkäten publicerades på Facebook, Instagram och Snapchat där 102 respondenter besvarade den, varav 99 svar analyserades. Korrelationsanalys och regressionsanalyser skapades sedan i det statistiska dataprogrammet SPSS. Därefter bekräftades eller förkastades hypoteserna. Studien resulterade i att två av fyra hypoteser kunde bekräftas, vilka var hypoteserna H3a och H3b. Därmed blev slutsatsen, att upplevda fördelar påverkar svenska konsumenters attityder till AI-baserad marknadsföring inom e-handel positivt. Faktorerna upplevd integritetsrisk och upplevt förtroende är inte drivande faktorer för svenska konsumenter med en känslomässig attityd till AI-baserad marknadsföring. Upplevda fördelar påverkar den känslomässiga attityden vilket indikerar på att konsumenters känslomässiga attityd drivs av de praktiska aspekterna. Nyckelord: / Artificial Intelligence (AI) within marketing has had an increased growth in recent years. Marketing is becoming increasingly data-driven, the technological development constantly influences marketing and shows that AI-based marketing can make a difference. However, numerous questions need to be answered before AI can be used in an ethical and effective way. Researchers urge to examine factors that affect consumer attitudes towards AI-based marketing. The purpose of the study is therefore to analyze how perceived privacy risk, perceived trust and perceived benefits affect Swedish consumers attitudes to AI-based marketing within e-commerce. Consumer attitudes are described in terms of affective respective calculative attitude. The method used was quantitative with a deductive approach. The study was based on a cross-sectional design where a survey was carried out. The web survey was published on Facebook, Instagram and Snapchat where 102 respondents answered, of which 99 answers were analyzed. Correlation analysis and regression analyses were then created in the statistical data program SPSS. The hypotheses were then either confirmed or rejected. The study resulted in two out of four hypotheses being confirmed, the ones that could be confirmed were hypotheses H3a and H3b. Thus, the conclusion was that perceived benefits positively affect Swedish consumers’ attitudes towards AI-based marketing within e-commerce. The factors perceived privacy risk and perceived trust are not driving factors for Swedish consumers with an affective attitude to AI-based marketing. Perceived benefits affect the affective attitude which indicates that the consumer’s affective attitude is driven by the practical aspects.

As drones are becoming ubiquitous, robust detection and tracking of potentially hostile drones is becoming a necessity. Among the many approaches being investigated in this relatively new research area, one cost effective option is the use of optical cameras equipped with computer vision algorithms. With the use of deep learning, it becomes possible to achieve high accuracy by generalizing from large datasets. However, drones are small and visually similar to birds, which has proven to be a major difficulty for purely vision based systems. This thesis investigates the utility of trajectory information (velocity and acceleration) in addition to temporal appearance features for detection and tracking of drones. While both kinds of information has been used in a variation of ways, work combining the two is largely lacking. Our approach uses background subtraction to generate candidate objects that initialize an LSTM which in turn combines trajectory and appearance information over multiple frames for joint detection and tracking of drones. While our specific implementation fails to outperform a traditional object detector in the form of YOLOv8, this could change with the solution of two problems identified with our approach. First problem being how to effectively incorporate large amounts of background data into the training of our network. Second being how to avoid repeatedly proposing the same non-drone candidates, while still being able to quickly resume tracking of a lost drone. / I takt med att drönare blir allt vanligare stiger kraven på robusta system som kan upptäcka och spåra hotfulla drönare. Bland de flertal tillvägagångssätt som undersöks i detta relativt nya forskningsområde är användandet av optiska kameror utrustade med datorseende-algoritmer ett kostnadseffektivt val. Genom användningen av djupinlärning har det blivit möjligt att uppnå hög pricksäkerhet genom att generalisera utifrån stora dataset. Men, drönare är små och utseendemässigt sett lika fåglar vilket är ett svåröverkomligt problem för system som endast förlitar sig på datorseende. I detta examensarbete undersöks vilken nytta som kan fås om man även tar hänsyn till information om drönarens trajektoria i form av hastighet och acceleration. Trots att både visuellt utseende och trajektoria är välstuderat när det kommer till drönardetektering, saknas det till stor del forskning som behandlar båda tillsammans. Vi använder bakgrundssubtraktion för att generera kandidater som startpunkt för en LSTM för att sedan kombinera trajektoria med utseende för förenad detektering och spårning av drönare. Fastän vår specifika implementation inte lyckas överträffa en traditionell objektdetekterare i form av YOLOv8, skulle detta kunna ändras givet en lösning på två identifierade problem med vårt tillvägagångssätt. Det första problemet är att hitta ett effektivt sätt att inkorporera stora mängder bakgrundsdata i träningen av vårt nätverk. Det andra är att undvika att gång på gång föreslå samma kandidater och samtidigt kunna snabbt återuppta spårningen av en förlorad drönare.

Measuring lower limb strength and symmetry is a common practice in elite sports to determine the return to sports point in time during rehabilitation, and this information could be useful for amateur athletes too. However, the devices used for this are highly sophisticated and hardly accessible. The aim of this project is to devise an affordable system for lower limb strength measurement which can be integrated with a common training system, to make this type of information widely available. The system is built up on a flywheel-based leg extension machine (LegExx by Exxentric AB) that allows quadriceps training at maximal force in concentric and eccentric contraction. Inexpensive standard components and software were used for prototyping. The parameters of interest were angular velocity of extension/flexion in the knee and force applied by the athlete. In the first step, evaluation was limited to the concentric phase of movement. Angular velocity and leg position was measured with a gyroscope sensor (Movesense by Suunto). For force measurement, two approaches were tested: In prototype A, the tension of the drive belt, which ultimately puts the flywheel into rotation, was measured with a sensor for tensile forces (Tindeq Progressor 300). In prototype B, a more direct measurement was used, with force sensors mounted under the contact point of the athlete’s shank with the swing beam of the LegExx. Sensor data were transmitted via Bluetooth to a mobile device or a laptop and displayed graphically after synchronization of the data streams. Force values were converted to torque using inverse kinematics to make the two prototypes comparable. The first prototypes were shown to be workable and yielded similar readings for concentric peak torque, with realistic wave forms in the graphical display. Comparison with results of a gold standard isokinetic dynamometer revealed, however, major discrepancies mainly regarding the absolute torque values. Oscillation in the belt system were identified as an issue in prototype A, while cross talk between sensors and vulnerability to leg placement occurred in prototype B. However, these issues are not insurmountable, and it is suggested to proceed with the development of prototype B, as it has the advantage of simultaneous measurement and direct comparison of both legs. / Att mäta styrka och symmetri i nedre extremiteterna är vanligt inom elitidrott för att avgöra när man kan återgå till idrottsutövning under rehabiliteringen, och denna information kan vara användbar även för amatöridrottare. De apparater som används för detta är dock mycket sofistikerade och svårtillgängliga. Syftet med detta projekt är att utforma ett prisvärt system för mätning av styrkan i nedre extremiteterna som kan integreras med ett vanligt träningssystem, för att göra denna typ av information allmänt tillgänglig. Systemet är uppbyggt på en svänghjulsbaserad benspark maskin (LegExx från Exxentric AB) som möjliggör quadriceps träning vid maximal kraft i koncentrisk och excentrisk kontraktion. Kostnadseffektiva standardkomponenter och mjukvara användes för prototypframställning. De parametrar som var av intresse var vinkelhastighet för utsträckning- /böjning i knäet och den kraft som utövades av idrottaren. I det första steget begränsades utvärderingen till rörelsens koncentriska fas. Vinkelhastighet och benposition mättes med en gyroskopisk sensor (Movesense från Suunto). För kraftmätning testades två tillvägagångssätt: I prototyp A mättes dragkraften i drivremmen, som i slutändan sätter svänghjulet i rotation, med en sensor för dragkrafter (Tindeq Progressor 300). I prototyp B användes en mer direkt mätning med kraftsensorer som monterades under kontaktpunkten mellan idrottsutövarens smalben och LegExx:s svängbalk. Sensordata överfördes via Bluetooth till en mobil enhet eller en bärbar dator och visades grafiskt efter synkronisering av dataströmmarna. Kraftvärden omvandlades till vridmoment med hjälp av invers kinematik för att göra de två prototyperna jämförbara. De första prototyperna visade sig fungera och gav liknande mätningar för koncentriskt toppmoment, med realistiska vågformer i den grafiska displayen. En jämförelse med resultaten från en isokinetisk dynamometer med guldstandard visade dock på stora skillnader, främst när det gäller de absoluta vridmomentvärdena. Oscillation i bältesystemet identifierades som ett problem i prototyp A, medan överkoppling mellan sensorer och känslighet för benplacering förekom i prototyp B. Dessa problem är dock inte oöverstigliga, och det föreslås att man fortsätter att utveckla prototyp B, eftersom den har fördelen av samtidig mätning och direkt jämförelse av båda benen.

Flooding is a worldwide problem that every year causes substantial damage for the environment and stakeholders nearby, and this impact relates to several of the United Nations Sustainable Development Goals. Colombia is specially prone to flooding as 17% of its surface area is at risk of extreme flooding. In addition, there is something called a POT (plan de ordenamiento territorial) for every municipality in Colombia, which states how the territory should be managed. For this project the rivers were of particular interest, and the POT states that no temporary or permanent constructions are allowed within 30 meters on either side of a river. The purpose of this report was to investigate and analyze the possibilities of using UAV (unmanned aerial vehicle) -based photogrammetry and UAV-based LiDAR (light detection and ranging) technology to gather sufficient data for a model that could simulate different flooding scenarios in the examined area. Data from the UAV-based photogrammetry resulted in a complete visual overview of the examined area. The data gathered from the UAV-based light detection and ranging resulted in an accurate point cloud that could be processed into a DTM (digital terrain model) where three different flooding scenarios were simulated. The simulations and the visual model showed that majority of people in theexamined area were disobeying the POT and the 30 meter rule, therefore being in risk of flooding and impacting the natural diversity of the body of water. The simulation also showed that stakeholders close to the body of water were affected for each of the three different water level scenarios. In some cases, it was only vegetation and crops that got affected by the flooding scenario, while in other cases entire structures and buildings were damaged due to the increase of water level. To complement the flooding scenarios, interviews were conducted with people that have good knowledge of the area and of ecology, resulting in a stakeholder analysis. This provided an additional depth to the analysis and showed the complexity in the management of flooding in the area.

There is an urgent need to mitigate carbon emissions to the atmosphere to reduce the negative effects of climate change. Countries have pledged national strategies to reach their climate change mitigation goals in their Nationally Determined Contributions (NDC). In the case of Colombia, the country envisions becoming carbon neutral by 2050.  A pathway to reach this goal is emission reduction through nature-based solutions (NBS). Biochar is an NBS with the potential to be used as a land-based emission mitigation technology. Records indicate that it was first used by indigenous communities in the Amazon about a thousand years ago. Biochar can be obtained through thermochemical conversion by slow pyrolysis of residual biomass. The original organic carbon present in the biomass is sequestered in the biochar as it is pyrolyzed and thus, CO2 emissions are prevented. Biochar is not yet considered in Colombia´s carbon neutrality strategy. The aim of this thesis project is to investigate the potential of biochar production in Colombia as a land-based mitigation technology (LMT). Therefore, a comprehensive assessment is performed with the purpose of identifying the status of biochar in the country. The motivation behind the assessment is to gain an understanding of the variables involved in biochar production. Factors such as the production sectors involved, feedstocks, production technologies, project costs and emission mitigation are of interest. The study explores these factors by following five methodological steps. First, the current research on the technology is mapped to understand biochar’s status at a national level. Second, experts are interviewed to collect their views regarding biochar and a PESTEL (Political, Economic, Social, Technological, Environmental & Legal) analysis is employed based on their point of view on the technology. Third, the potential sources of residual biomass which could be used to produce biochar in the agricultural sector are quantified. The approach to biochar’s potential is enriched with a focused in-person case study of biochar production from oil palm residues. Fourth, these residual biomass sources are subsequently employed to estimate the emissions sequestered in their biochar production. Lastly, project feasibility implementation is evaluated through a techno-economic to identify the project’s main cost drivers. The results are then discussed using a SWOT (Strength, Weaknesses, and Opportunities & Threats) analysis. The existing studies and the local experts’ opinion indicate that biochar potential is in the agricultural sector and that it can be thought of for soil adaptation. Biochar’s emission mitigation is considered an added value. In 2021, the agricultural sector produced near 73 million tonnes of agricultural products. The residues from agriculture could be used for biochar production. If the residues from the most produced agricultural products are transformed into biochar, about 1 to 2,2 tonne of CO2 per tonne of biochar could be avoided. The published literature and the in-person study visit confirmed that the largest advance in biochar production and use in Colombia is in the oil palm sector. Palm kernel shell, fibre and empty fruit bunches are the oil palm residues that could be used to produce biochar. From 1 tonne of these three oil palm residues, about 60 kg of biochar can be obtained. The results show that currently there is no market for trading with biochar in Colombia. High investments, transport and feedstock costs are identified obstacles. An Advanced Technology pyrolizer cost can cost around 330.000 USD while a Basic Technology one can be around 100 USD. Taxes associated with revenue from the biochar trade can negatively impact a biochar project’s feasibility. In this study, a price for biochar is estimated using break-even analysis. Under the assumptions used, the biochar price per tonne is around 200 to 1.000 USD. Price variability is explained in the technologies used for production, feedstock biomass availability and variable revenues from biochar sales. / Koldioxidutsläppen till atmosfären behöver minskas för att undvika de negativa effekterna av klimatförändringar. Olika länder har presenterat på sina nationellt fastställda bidrag (NDC) hur sina mål för begränsning av klimatförändringarna skulle kunna uppnås. I Colombia är planen att uppnå koldioxidneutralitet år 2050. Ett sätt att uppnå detta mål är att minska utsläpp genom naturbaserade lösningar (NBS). Biokol är en NBS som kan användas som landbaserade åtgärder för att minska växthusgasutsläpp eller öka koldioxidupptag. Forskning har bevisat att biokol användes i Amazonas för ungefär tusen år sedan. Biokol framställs genom långsam pyrolys av restprodukter av biomass. Kolet i biomassan binds i biokolet genom pyrolysis, vilket förhindrar koldioxidens utsläppning till atmosfären. Biokol inkluderas ännu inte i Colombias strategi för koldioxidneutralitet. Syftet med detta projekt är att undersöka biokolets produktionspotential i Colombia son ett landbaserade åtgärder (LMT). En analys gjordes för att identifiera statusen av biokol runt om i landet. Faktorer såsom berörda produktionssektorer, råvaror, produktionstekniker, projektkostnader och koldioxidutsläppen var av intresse. Studien undersöker faktorerna ovan genom att tillämpa en femstegsmetod. Först identifierades den aktuella forskningen om biokol i Colombia. Sedan intervjuades experter för att samla in deras åsikter om biokol och en PESTEL analys (Political, Economic, Social, Technological, Environmental & Legal) användes. Nästa steg i metoden var att kvantifiera potentialen av restprodukter inom jordbrukssektorn. Detta steg kompletterades med en fallstudie som fokuserade på biokolproduktion från rester från oljepalmer och sedan beräknades utsläppen som binds i biokol. Till sist utvärderades projektets genomförbarhet genom en teknoekonomisk analys som identifierade viktigaste drivkrafterna bakom kostnaderna. Resultaten diskuterades med hjälp av en SWOT analys (Strength, Weaknesses, and Opportunities & Threats). Experter och forskningsresultat om biokol i Colombia anger att det finns stor potential nom jordbrukssektor där biokol skulle kunna användas för jordförbättring, medan utsläppsminskningar endast anses vara en ytterligare fördel. År 2021 Colombias jordbrukssektor producerade nästan 73 millioner tonne av jordbruksprodukter och restprodukter från jordbruket kan användas för produktion av biokol. För varje ton biokol som produceras undviks ungefär 1 till 2,2 tonne koldioxid. Litteraturen och studiebesöket bekräftade att största framsteget inom produktion och användning av biokol i Colombia händer inom oljepalmssektorn. Palmkärnor, fibrer och tomma fruktknippar är restprodukterna som kan användas för att producera biokol. En ton av dessa tre typer av oljepalmsrester ger cirka 60 kg biokol. Resultaten visar att det inte finns en marknad för biokol i Colombia. Höga investeringskostnader, transport-och råvarukostnader är främsta hindarna som identifierades. En pyrolysanläggning med avancerad teknik kostar cirka 330 000 US-dollar, medan en pyrolysanläggning med grundläggande teknik kostar cirka 100 US -dollar. Skatter på inkomster från biokolsförsäljning kan ha en negativ effekt på genomförbarhet. Studien uppskattas ett pris för biokol med hjälp av en break-even-analys och visar att cirka 200 till 1.000 USD per tonne biokol vore ett möjligt prisintervall. Prisvariationerna förklaras av tekniken som används för produktion, tillgång på biomassa som råvara och varierande intäkter från biokolförsäljning.

Södra Gotland (Storsudret) är ett av de mest utsatta områdena i Sverige när det kommer till torka under somrarna. Trots stora mängder nederbörd har jordbrukare problem med bevattning då öns geologi påverkar lagringen av vatten i form av grundvatten negativt. Vilket beror på att berggrunden består främst av kalk, märgel och märgelsten. Dålig tillgång till vatten kombinerat med långa och varma somrar har medfört att skörden minskat markant under de senaste åren. Bevattningstekniker som används i dagsläget är inte bra på att utnyttja vatten på ett hållbart och effektivt sätt. Dessutom har kostnaderna ökat för många jordbrukare på Gotland med avseende på de ökande elpriserna. Bevattning kräver el och vissa bönder har exempelvis inte tillgång till el vid sina åkrar och måste därmed dra el vilket ökar kostnaderna markant. Behovet av mer resurseffektiva och hållbara bevattningstekniker är stort och något som behöver undersökas mer djupgående.  Syftet med denna studie var att undersöka ifall ett automatiserat bevattningssystem som drivs av solenergi faktiskt är möjligt att implementera. Detta utifrån olika kriterier såsom kostnad, energianvändning, skördemängd, klimatpåverkan och vattenanvändning. Därefter jämföra mot ett mer konventionellt system som används i dagsläget och därmed undersöka vilka skillnader det finns. Det var två system som valdes i studien. System 1 var ett potentiellt automatiserad rampbevattningssystem och system 2 ett konventionellt rampbevattningssystem. Båda systemen sattes in i verklighetsbaserade scenario (en åker i södra Gotland) för att få en mer realistisk överblick. Därefter användes en multikriterieanalys för att jämföra båda systemen mot varandra utifrån valda kriterier. Sist av allt användes en SWOT-analys för att sammanknyta all resultat som togs fram i studien.  Resultatet visade att det är i teorin möjligt att bygga ett helt automatiserat bevattningssystem som drivs av solenergi och att det finns både positiva och negativa delar med systemet jämfört mot en konventionell rambevattning. Det potentiella systemet har exempelvis både en högre kostnad som 1,1 gånger högre, samt en högre energianvändning per hektar, cirka 5 gånger högre jämfört med ett konventionellt system. Dock presterade det potentiella systemet bättre jämfört mot ett konventionellt system med avseende på klimatpåverkan som var 10 gånger lägre jämfört med ett konventionellt system. SWOT sammanställningen visade också att intresset för automatiserade bevattningssystem är låg bland jordbrukare delvis på grund av att systemen inte är anpassade till svenska förhållanden, samt den höga investeringskostnaden. Därav krävs det att fler aktörer blir involveras och kunskapen sprids för att öka etableringen av automatiserade bevattningssystem på södra Gotland (Storsudret) samt resten av Sverige. / The southern part of Gotland (Storsudret) is one of the most exposed areas in Sweden when it comes to drought during the summers. Despite large amounts of rainfall, farmers have problems with irrigation as the island’s geology negatively affects the storage of water in the form of groundwater. Poor access to water combined with long and hot summers has meant that the harvest has decreased significantly in recent years. Irrigation techniques used today are not good at using water sustainably and efficiently. In addition, costs have increased for many farmers in Gotland concerning the increasing electricity prices. Irrigation requires electricity and some farmers, for example, do not have access to electricity in their fields and thus have to get electricity, which increases costs significantly. The need for more resource-efficient and sustainable irrigation techniques is great and something that needs to be investigated in more depth.  The purpose of this study was to investigate whether an automated irrigation system powered by solar energy is realistically possible to implement. This was based on various criteria such as cost, energy requirements, yield, etc., and then compare against a more conventional system that is currently used and thus examines what differences there are. Two systems were chosen in the study. System one was a potentially automated irrigation system and system two was a conventional ramp irrigation system. Both systems were put into a reality-based scenarios (a field in southern Gotland) to get a more realistic overview. Multi-criteria analysis was then used to compare both systems against each other based on selected criterias. Afterward, a SWOT analysis was also carried out to summarize all the results that were produced in the study.  The result showed that it is theoretically possible to build a fully automated irrigation system powered by solar energy and that there are both positive and negative parts to the system com- pared to conventional ramp irrigation. The potential system has, for example, both a higher cost which was 1.1 times higher, and a higher energy requirement per hectare which was 5 times higher compared to a conventional system. However, the potential system performed better compared to a conventional system concerning climate impact which was 10 times lower compared to a conven- tional system. The SWOT summarize also showed that interest in automated irrigation systems was low among farmers partly due to the systems not being adapted to Swedish conditions and the large investment cost. Thus it is necessary that more actors be involved and the knowledge spread to increase the establishment of automated irrigation systems in southern Gotland (Storsudret) and in the rest of Sweden.

Since February 2020, the world is in a COVID-19 pandemic [1]. Researchers around the globe are pitching in to develop a fast reliable, non-invasive testing methodology to solve this problem and one of the key directions of research is to utilize coughs and their corresponding vocal biomarkers for diagnosis of COVID-19. In this thesis, we propose a fast, real-time cough detection pipeline that can be used to detect and localize coughs from audio samples. The core of the pipeline utilizes the yolo-v3 model [2] from vision domain to localize coughs in the audio spectrograms by treating them as objects. This outcome is transformed to localize the boundaries of cough utterances in the input signal. The system to detect coughs from CoughVid dataset [3] is then evaluated. Furthermore, the pipeline is compared with other existing algorithms like tinyyolo-v3 to test for better localization and classification. Average precision(AP@0.5) of yolo-v3 and tinyyolo-v3 model are 0.67 and 0.78 respectively. Based on the AP values, tinyyolo-v3 performs better than yolo-v3 by atleast 10% and based on its computational advantage, its inference time was also found to be 2.4 times faster than yolo-v3 model in our experiments. This work is considered to be novel and significant in detection and localization of cough in an audio stream. In the end, the resulting cough events are used to extract MFCC features from it and classifiers were trained to predict whether a cough has COVID-19 or not. The performance of different classifiers were compared and it was observed that random forest outperformed other models with a precision of 83.04%. It can also be inferred from the results that the classifier looks promising, however, in future this model has to be trained using clinically approved dataset and tested for its reliability in using this model in a clinical setup. / Sedan februari 2020 är världen inne i en COVID-19-pandemi [1]. Forskare runt om i världen satsar på att utveckla en snabb tillförlitlig, icke-invasiv testmetodik för att lösa detta problem och en av de viktigaste forskningsriktningarna är att använda hosta och deras motsvarande vokala biomarkörer för diagnos av COVID-19. I denna avhandling föreslår vi en snabb pipeline för hostdetektering i realtid som kan användas för att upptäcka och lokalisera hosta från ljudprover. Kärnan i rörledningen använder yolo-v3-modellen [2] från syndomänen för att lokalisera hosta i ljudspektrogrammen genom att behandla dem som objekt. Detta resultat transformeras för att lokalisera gränserna för hosta yttranden i insignalen. Systemet för att upptäcka hosta från CoughVid dataset [3] utvärderas sedan. Dessutom jämförs rörledningen med andra befintliga algoritmer som tinyyolo-v3 för att testa för bättre lokalisering och klassificering. Genomsnittlig precision (AP@0.5) för modellen yolo-v3 och tinyyolo-v3 är 0,67 respektive 0,78. Baserat på AP-värdena fungerar tinyyolo-v3 bättre än yolo-v3 med minst 10% och baserat på dess beräkningsfördel befanns dess inferenstid också vara 2,4 gånger snabbare än yolo-v3- modellen i våra experiment. Detta arbete anses vara nytt och viktigt för att upptäcka och lokalisera hosta i en ljudström. I slutändan används de resulterande hosthändel-serna för att extrahera MFCC-funktioner från det och klassificerare utbildades för att förutsäga om en hosta har COVID-19 eller inte. Prestanda för olika klassificerare jämfördes och det observerades att slumpmässig skog överträffade andra modeller med en precision på 83.04%. Av resultaten kan man också dra slutsatsen att klassificeraren ser lovande ut, men i framtiden måste denna modell utbildas med hjälp av kliniskt godkänd dataset och testas med avseende på dess tillförlitlighet vid användning av denna modell i ett kliniskt upplägg.