Determination of the characteristics of the soil flow formed by a forest fire truck using optical recognition and optical measurement methods

封面

如何引用文章

全文:

详细

Conducting field experimental research is an integral part of the development and research of agricultural and forestry tools. Ground-throwing equipment used to extinguish and prevent forest ground fires is undergoing a number of theoretical and laboratory-field studies. From the moment of separation by the milling working body until the moment it meets the edge of the forest ground fire, the soil is in flight in the form of fragments moving in the air under the influence of the laws of aerodynamics and opposing forces. A significant increase in the computing power of computers, the development of the modeling process, as well as the improvement of algorithms provided an opportunity to increase progress in the application of computer vision and optical measurement methods in scientific research. The purpose of the work is to determine the characteristics of the movement of the soil flow in the air by the methods of optical recognition and optical measurement from the video sequence. To achieve the goal of the study, it is necessary to identify the most effective method of optical recognition, which makes it possible to separate the flow of soil from the background with high reliability and develop a mathematical apparatus that allows, for each frame of the video recording of the field experiment, to determine the characteristics of the flow of soil formed by forest fire ground-throwing equipment. In the course of scientific research, we have tested five main methods of optical recognition by video sequence to determine the most effective method for separating the image of the soil flow from background images (trees, branches, grass, etc.): separation by color, separation by brightness, combination methods by colors and brightness, determining the background image (preliminary or by averaging a set of video frames) and separating moving objects on a video frame from the background, highlighting areas of frames blurred in motion. Analysis of the methods showed that the combined color-brightness method is the most effective for achieving the goal set in the work. Based on the shape of the trajectory of the soil flow, it was found that the forest fire soil thrower delivers the soil flow at an angle of 35º to the horizon with an initial speed of 14 m/s, while the distance of throwing the soil is 11 m. As the soil flow moves, the speed first decreases from 14 m/s to 6 m/s due to the flight of the soil upwards and the transition of kinetic energy into potential energy, then increases from 6 m/s to 8 m/s as the soil falls to the surface due to the transition of potential energy into kinetic energy. The angle of subsidence of soil particles on the surface is about 73° to the horizon, which favors extinguishing the edge of a forest ground fire.

作者简介

Maksim Gnusov

Voronezh State University of Forestry and Technologies named after G.F. Morozov: Voronezh, RU

Email: mgnusov@yandex.ru

Michael Drapalyuk

Voronezh State University of Forestry and Technologies named after G.F. Morozov: Voronezh, RU

Email: md@vglta.vrn.ru

Peter Popikov

Voronezh State University of Forestry and Technologies named after G.F. Morozov: Voronezh, RU

Email: popikovpetr@yandex.ru

Denis Druchinin

Voronezh State University of Forestry and Technologies named after G.F. Morozov: Voronezh, RU

Email: druchinin.denis@rambler.ru

Leonid Bukhtoyarov

Voronezh State University of Forestry and Technologies named after G.F. Morozov: Voronezh, RU

Email: vglta-mlx@yandex.ru

Dmitry Stupnikov

NPP TETA LLC

Email: Neiti1992@mail.ru

参考

  1. Lysych M. N., Shabanov M. L., Bukhtoyarov L. D. Research of process overcoming obstaclesby tillage tools // IOP Conference Series: Earth and Environmental Science: International Jubilee Scientific and Practical Conference «Innovative Directions of Development of the Forestry Complex (Forestry-2018)», Voronezh, 04—05 октября 2018 года. Voronezh: Institute of Physics Publishing, 2019. P. 012045. doi: 10.1088/1755-1315/226/1/012045.Shanin I. I, Shtondin A. A., Lysych M. N. Improvement of automation process of forest resources renewal using innovative landing material // IOP Conference Series: Materials Science and Engineering, Novosibirsk, 12—14 декабря 2018 года. Novosibirsk: Instituteof Physics Publishing, 2019. P. 012091. doi: 10.1088/1757-899X/560/1/012091.Драпалюк М. В, Коротких В. Н. Определение энергетических показателей лесного дискового плуга в лабораторных условиях // Лесотехнический журнал. 2011. № 1 (1). С. 21—28.Драпалюк М. В. Математическое моделирование рабочего процесса рычажного корчевателя // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2012. № 75. С. 156—165.Комбинированный лесопожарный грунтомёт и рекомендации по его применению / И. М. Бартенев, М. В. Драпалюк, П. Э. Гончаров [и др.] // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2012. № 84. С. 174—184.Беляев Д. А., Федорченко И. С. Малогабаритный переносной грунтомёт // Экология. Риск. Безопасность. 2020. С. 332—333.Есков Д. В., Внуков Е. В., Ескова В. С. Фрезерный грунтомёт для борьбы с природными пожарами на землях сельскохозяйственного назначения и высокозадернелых пастбищах // Аграрная наука — сельскому хозяйству. 2019. С. 32—34.Перспективные направления совершенствования рабочих органов пожарных грунтомётов / Д. В. Есков [и др.] // Актуальные направления научных исследований XXI века: теория и практика. 2014. Т. 2, № 2-2. С. 214—219.Simulation modeling of the soil flow movement process in the air, supplied by a ground gun while extinguishing a forest fire / M. A. Gnusov [et al.] // IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2020. Vol. 1001, no. 1. P. 012057.Горячкин Б. С., Китов М. А. Компьютерное зрение // E-Scio. 2020. № 9 (48). С. 317—345.Манюкова Н. В. Компьютерное зрение как средство извлечения информациииз видеоряда // Математические структуры и моделирование. 2015. № 4 (36). С. 123—128.Гороховатский В. А. Структурный анализ и интеллектуальная обработка данныхв компьютерном зрении. Харьков: Компания СМИТ, 2014.Выделение границ на изображениях на основе модели энергетических признаков вейвлет-преобразования / М. П. Шлеймович [и др.] // Вестник Казанского технологического университета. 2017. Т. 20, № 21. С. 103—107.Манюкова Н. В. Компьютерное зрение как средство извлечения информации из видеоряда // Математические структуры и моделирование. 2015. №. 4 (36). С. 123—128.Форсайт Д. А., Понс Д. Компьютерное зрение. Современный подход Computer Vision:A Modern Approach. М.: Вильямс, 2004. 928 с.Шолле Ф. Глубокое обучение на Python. СПб.: Питер, 2018. 400 с.Траск Э. Грокаем глубокое обучение. СПб.: Питер, 2019. 352 с.Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб.: Питер, 2020. 480 с.Шапиро Л., Стокман Дж. Компьютерное зрение Computer Vision. М.: Бином. Лаборатория знаний, 2006. 752 с.Bishop Ch. M. Pattern recognition and machine learning. New York: Springer, 2006. 738 p.Потапов А. С. Распознавание образов и машинное восприятие. СПб.: Политехника, 2007. 548 с.Фомин Я. А. Распознавание образов: теория и применения. 2-е изд. М.: ФАЗИС, 2012. 429 с.Горелик А. Л., Скрипкин В. А. Методы распознавания. 4-е изд. М.: Высш. шк., 2004. 262 с.Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2004. 344 с.Адамов В. Е., Вергилес Э. В. Статистика промышленности: Учеб. пособие. М.: Финансыи статистика, 2005. 326 с.Орлов А. И. Прикладная статистика. М.: Экзамен, 2006. 671 с.Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика, 2003. 415 с.Дуброва Т. А. Статистические методы прогнозирования. М.: ЮНИТИ-ДАНА, 2003. 133 с.Новиков А. С., Фокин А. Г., Чубукина Т. С. Оптимизация распознавания объектана изображении методом адаптивного движения сканирующего окна // Известия Тульского государственного университета. Технические науки. 2015. № 9. С. 203—209.Головко А. В. Модели и методы обработки и передачи цифровой фото-и видеоинформации для принятия решений в автоматизированных информационных системах: спец. 05.13.06 «Автоматизация и управление технологическими процессамии производствами (по отраслям)»: Дис. … канд. техн. наук. Николаев, 2012. 141 с.Теория распознавания образов // Википедия (wikipedia.org). URL: https://ru.wikipedia.org/ (дата обращения: 18.05.2022). Текст: электронный.Свидетельство о государственной регистрации программы для ЭВМ № 2022617714 РФ. Программа для определения характеристик потока почвогрунта, формируемого грунтомётом-полосопрокладывателем, на основе оптического распознавания:№ 2022617207: заявл. 25.04.2022: опубл. 25.04.2022 / М. В. Драпалюк, Д. Ю. Дручинин, М. А. Гнусов, В. В. Посметьев; заявитель: Федер. гос. бюджет. образоват. учреждение высш. образования «Воронежский государственный лесотехнический университет имени Г. Ф. Морозова».

补充文件

附件文件
动作
1. JATS XML

版权所有 © Gnusov M.A., Drapalyuk M.V., Popikov P.I., Druchinin D.Y., Bukhtoyarov L.D., Stupnikov D.S., 2022

Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。

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».