DEVELOPMENT OF A FOREST EARLY DETECTION SYSTEM FIRES USING UNMANNED AERIAL VEHICLES AND ARTIFICIAL INTELLIGENCE

Cover Page

Cite item

Full Text

Abstract

For most of the world, wildfires continue to bea serious problem. There are now many ways to deal with them, and they are all mainly aimed at reducing the damage caused by fires using early detec-tion methods. According to the estimates of the Federal Forestry Agency, on average, the amount of damage from forest fires per year is about 20 billion rubles, of which from 3 to 7 billion is damage to forestry (wood loss). The article discusses the use of unmanned aerial vehicles (UAVs) for regular pa-trolling of potentially dangerous areas of fire distribution, using the advantages of artificial intelligence (AI) and the ability to self-process the information received. This allows UAVs to use computer vision techniques to detect smoke or fire, based on information received from their video cameras

About the authors

Nataliya Romanovna Vycherova

Ukhta State Technical University

Email: nvycherova@ugtu.net

Evgeny Arturovich Budevich

Ukhta State Technical University

Email: ebudevich@ugtu.net

Andrey Eduardovich Belyaev

Gazprom Nedra PF "Vuktylgazgeofizika" LLC

Email: belandre@yandex.ru

References

  1. Анализ перспективных физических методов обнаружения возгораний / И. Р. Шегельман, О. Н. Галактионов, А. Ю. Когочев, А. С. Попов // Успехи современного естествознания. 2016. № 12. С. 335—339.
  2. Бобков А. В. Системы распознавания образов. М.: МГТУ им. Н. Э. Баумана, 2018. 190 с.
  3. Богуш Р. П., Тычко Д. А. Алгоритм комплексного обнаружения дыма и пламени на основе анализа данных систем видеонаблюдения // Доклады Белорусского государственного университета информатики и радиоэлектроники. 2015. № 6 (92). С. 63—71.
  4. Гибсон У. Распознавание образов. СПб.: Азбука, 2015. 384 с.
  5. Кириченко А. А. Основы теории искусственных нейронных сетей. Б. м., 2020. 222 с. URL: rusneb.ru. Текст: электронный.
  6. Красильников Н. Н. Цифровая обработка 2D- и 3D-изображений. СПб.: БХВ-Петербург, 2011. 608 с.
  7. Крюкова М. С., Фахми Ш. С. Сегментация полутоновых изображений лесных пожаровна основе дисперсионного анализа // Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России: Научно-аналитический журнал. 2019. № 3. С. 103—111.
  8. Лесные пожары в России. «Антирекорды» и территории распространения // Информационное агентство России «ТАСС»: [сайт]. 2022. URL: https://tass.ru/info/15559017 (дата обращения: 05.09.2022).
  9. Лукьяница А. А., Шишкин А. Г. Цифровая обработка видеоизображений. М.: Ай-Эс-Эс Пресс, 2009. 518 с.
  10. Методы искусственного интеллекта в программных приложениях: Лабораторный практикум. Учебное электронное издание сетевого доступа / Б. Г. Ильясов, Е. А. Макарова, Е. Ш. Закиева, Э. Р. Габдуллина. Уфа, 2021. 153 с. URL: www.ugatu.su. Текст: электронный.
  11. Методы обработки и распознавания изображений лиц в задачах биометрии / Г. А. Кухарев, Н. Л. Щеголева, Ю. Н. Матвеев, Е. И. Каменская. М.: Политехника, 2013. 388 с.
  12. Никитин А. А., Лиманова Н. И. Процесс распознавания изображения нейронной сетью // Молодой учёный. 2020. № 47 (337). С. 23—25. URL: https://moluch.ru/archive/337/75420/ (дата обращения: 05.09.2022). Текст: электронный.
  13. Астратов О. С., Смирнов В. М., Филатов В. Н. Обнаружение лесных пожаровпо видеоизображениям // Научная сессия ГУАП: Сб. докл. СПб.: ГУАП, 2018. С. 7—11.
  14. Обработка изображений в прикладных телевизионных системах / О. С. Астратов [и др.]. СПб.: ГУАП, 2012. 272 с.
  15. Применение алгоритмов анализа изображений для обнаружения пожаров / А. О. Кузнецов, В. М. Мусалимов, А. П. Саенко, К. В. Трамбицкий // Известия высших учебных заведений. Приборостроение. 2012. Т. 55, № 6. С. 51—56.
  16. Пятаева А. В. Сегментация областей задымления на видеопоследовательности // Сибирский аэрокосмический журнал. 2016. Т. 17, № 3. С. 625—630.
  17. Система видеомониторинга для обнаружения лесного пожара в районе промышленного предприятия // О. С. Астратов, В. М. Смирнов, В. Н. Филатов, А. В. Митько // Neftegaz.RU: Деловой журнал. 2020. № 2 (98). С. 58—61. URL: https://magazine.neftegaz.ru/articles/tsifrovizatsiya/527122-sistema-videomonitoringa-dlya-obnaruzheniya-lesnogo-pozhara-v-rayone-promyshlennogo-predpriyatiya/ (дата обращения: 05.09.2022). Текст: электронный.
  18. Васюков В. Н., Зайцева А. Ю., Бондаренко В. В. Система раннего обнаружения лесных пожаров — архитектура и алгоритмы // Доклады АН ВШ РФ. 2015. № 2 (27). С. 43—56.
  19. Antoine C. Detection of forest fires using artificial intelligence. Année académique, 2021. 153 p.
  20. Artificial intelligence for forest fire prediction / G. Sakr, I. Elhajj, G. Mitri, U. Wejinya // Environmental Science, Computer Science 2010 IEEE. ASME International Conferenceon Advanced Intelligent Mechatronics. 2010. P. 1311—1316.
  21. Att squeeze u-net: A lightweight network for forest fire detection and recognition / J. Zhang, H. Zhu, P. Wang, X. Ling // IEEE Access, 9. 2021. P. 10858—10870.
  22. Early Forest Fire Detection Using Drones and Artificial Intelligence / D. Kinaneva, G. Hristov, J. Raychev, P. Zahariev // Conference: 42nd International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO). 2019. P. 1060—1065.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2022 Vycherova N.R., Budevich E.A., Belyaev A.E.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».