森林火灾监测系统:深度学习方法的审查
Azlan Saleh1, Mohd Asyraf Zulkifley1, Hazimah Haspi Harun1
1Department of Electrical, Electronic and Systems Engineering, Faculty of Engineering & Built Environment, Universiti Kebangsaan Malaysia (UKM), 43600 UKM, Bangi, Selangor, Malaysia.
Heliyon
|January 1, 2024
概括
深度学习 (DL) 模型显示森林火灾检测系统的准确率超过90%. 未来的研究应该专注于超参数调整和整合卫星数据,以加强消防监测和管理.
科学领域:
- 计算机科学 计算机科学
- 环境科学 环境科学
- 人工智能的人工智能
背景情况:
- 森林火灾造成了巨大的经济,环境和社会损害.
- 有效的森林火灾检测系统对于及时缓解和响应至关重要.
- 利用先进技术的早期检测系统对于森林管理至关重要.
研究的目的:
- 批判性地审查使用深度学习 (DL) 方法的最先进的森林火灾检测系统.
- 分析了2018年1月至2023年间发表的37篇关于森林火灾检测DL的研究文章.
- 为此应用识别数据类型,增强和DL架构的趋势.
主要方法:
- 系统审查和分析37篇关于用于森林火灾检测的深度学习的研究文章.
- 深入分析数据特征 (图像,视频),增强技术和DL模型架构.
- 使用准确度,平均平均精度 (mAP) 和F1-Score等指标评估模型性能.
主要成果:
- 应用于森林火灾监测的深度学习模型已经证明了有利的结果.
- 大多数审查的研究在森林火灾检测方面取得了超过90%的准确率.
- 确定了关键的DL应用程序,包括分类,检测和细分任务.
结论:
- 深度学习方法具有提高森林火灾检测能力的巨大潜力.
- 进一步的研究可以通过超参数优化,卫星数据集成和高级增强来提高有效性.
- 优化的DL模型对于有效的森林火灾管理和缓解策略至关重要.
