A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Intelligent on-Board Forest Fire Search System ; Интеллектуальная бортовая система поиска лесных пожаров ; Інтелектуальна бортова система пошуку лісових пожеж
The paper analyzes the situation with forest fires in Ukraine. It is shown that the situation is deteriorating every year. For forest fire monitoring it is substantiated the need of the integrated use of data from satellites and unmanned aerial vehicles. It has been shown that early detection of a fire before it becomes a disaster is critical to preventing catastrophic fires and saving lives and property. A fire detection approach based on the use of computer vision methods that can work with a non-stationary camera installed on board the unmanned aerial vehicle is substantiated. An approach for detecting a "spot" of fire using convolutional neural networks is proposed. In our task of detecting a forest fire using an unmanned aerial vehicle, tracking based on detection is chosen as the model initialization method, when objects are first detected using the detection method and then linked into tracks (association). The Yolov4-tiny architecture was chosen as the architecture of the neural network detector, which provides high accuracy and speed of binary classification. ; В работе анализируется ситуация с лесными пожарами в Украине. Показано, что с каждым годом ситуация ухудшается. Для мониторинга лесных пожаров обоснована необходимость комплексного использования данных со спутников и беспилотных летательных аппаратов. Доказано, что раннее обнаружение пожара, прежде чем он станет бедствием, имеет решающее значение для предотвращения катастрофических пожаров и спасения жизней и имущества. Обоснован подход к обнаружению пожаров на основе использования методов компьютерного зрения, которые могут работать с нестационарной камерой установленной на борту беспилотного летательного аппарата. Предложен подход для обнаружения «пятна» пожара с помощью сверточных нейронных сетей. В нашей задаче обнаружения лесного пожара беспилотным летательным аппаратом в качестве метода инициализации модели выбрано отслеживание на основе обнаружения, когда объекты сначала оказываются методом обнаружения, а затем связываются в треки ...
Intelligent on-Board Forest Fire Search System ; Интеллектуальная бортовая система поиска лесных пожаров ; Інтелектуальна бортова система пошуку лісових пожеж
The paper analyzes the situation with forest fires in Ukraine. It is shown that the situation is deteriorating every year. For forest fire monitoring it is substantiated the need of the integrated use of data from satellites and unmanned aerial vehicles. It has been shown that early detection of a fire before it becomes a disaster is critical to preventing catastrophic fires and saving lives and property. A fire detection approach based on the use of computer vision methods that can work with a non-stationary camera installed on board the unmanned aerial vehicle is substantiated. An approach for detecting a "spot" of fire using convolutional neural networks is proposed. In our task of detecting a forest fire using an unmanned aerial vehicle, tracking based on detection is chosen as the model initialization method, when objects are first detected using the detection method and then linked into tracks (association). The Yolov4-tiny architecture was chosen as the architecture of the neural network detector, which provides high accuracy and speed of binary classification. ; В работе анализируется ситуация с лесными пожарами в Украине. Показано, что с каждым годом ситуация ухудшается. Для мониторинга лесных пожаров обоснована необходимость комплексного использования данных со спутников и беспилотных летательных аппаратов. Доказано, что раннее обнаружение пожара, прежде чем он станет бедствием, имеет решающее значение для предотвращения катастрофических пожаров и спасения жизней и имущества. Обоснован подход к обнаружению пожаров на основе использования методов компьютерного зрения, которые могут работать с нестационарной камерой установленной на борту беспилотного летательного аппарата. Предложен подход для обнаружения «пятна» пожара с помощью сверточных нейронных сетей. В нашей задаче обнаружения лесного пожара беспилотным летательным аппаратом в качестве метода инициализации модели выбрано отслеживание на основе обнаружения, когда объекты сначала оказываются методом обнаружения, а затем связываются в треки ...
Intelligent on-Board Forest Fire Search System ; Интеллектуальная бортовая система поиска лесных пожаров ; Інтелектуальна бортова система пошуку лісових пожеж
Синєглазов , Віктор Михайлович (author) / Комаров, Анатолій Анатолійович (author)
2022-12-29
Electronics and Control Systems; Vol. 4 No. 74 (2022); 9-17 ; Электроника и системы управления; Том 4 № 74 (2022); 9-17 ; Електроніка та системи управління; Том 4 № 74 (2022); 9-17 ; 1990-5548
Article (Journal)
Electronic Resource
English
fire detection , convolutional neural networks , unmanned aerial vehicles , YOLO , R-CNN , single shot MultiBox detector , classifire , обнаружение пожара , сверточные нейронные сети , беспилотные летательные аппараты , одиночный детектор MultiBox , классификатор , виявлення пожежі , згорткові нейронні мережі , безпілотні літальні апарати , одиночний детектор MultiBox , класифікатор
DDC:
624