Predicción de incendios forestales mediante procesamiento de imágenes

Área de la Ciencia:

• Ciencias Ambientales
• Ciencias de la Computación
• Inteligencia Artificial

Sus antecedentes:

• Los incendios forestales presentan riesgos sustanciales para la seguridad pública y los ecosistemas.
• La detección temprana es vital para evitar que los incendios pequeños se conviertan en desastres mayores.
• Los métodos tradicionales de predicción de incendios carecen de la precisión y las capacidades en tiempo real necesarias para una intervención eficaz.

Objetivo del estudio:

• Mejorar la precisión y las capacidades de detección en tiempo real de los sistemas de predicción de incendios forestales.
• Introducir un modelo YOLOv5-PSG mejorado para una alerta temprana y predicción más efectivas de incendios forestales.

Principales métodos:

• El estudio propone una versión mejorada del modelo YOLOv5, denominada YOLOv5-PSG.
• El modelo se sometió a 300 rondas de riguroso entrenamiento y aprendizaje.

Principales resultados:

• El modelo YOLOv5-PSG alcanzó una tasa de reconocimiento promedio del 93,1% (mAP).
• El modelo demostró una tasa de precisión de aproximadamente 0.802 y un nivel de confianza de alrededor de 0.965 después del entrenamiento.
• Estos resultados indican una mejora significativa con respecto a los métodos tradicionales.

Conclusiones:

• El modelo mejorado YOLOv5-PSG ofrece una alerta temprana y predicción más completa y efectiva para incendios forestales.
• Este avance contribuye a una mejor mitigación de los impactos de los incendios forestales, protegiendo la vida humana y el medio ambiente.