开发基于深度学习的监控系统,用于使用无人机检测和监测森林火灾
Ibrahim Shamta1, Batıkan Erdem Demir1
1Department of Mechatronics Engineering, Faculty of Technology, Karabük University, Karabük, Türkiye.
PloS one
|March 12, 2024
概括
这项研究开发了一种使用深度学习用于早期森林火灾检测的无人机 (UAV) 系统. 该系统在从空中拍摄的图像中识别火灾时取得了很高的准确性,从而实现了快速响应.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 森林火灾对生态系统和人类安全构成重大威胁.
- 早期检测对于有效的野火管理和缓解至关重要.
- 现有的监控方法在范围和响应时间上可能受到限制.
研究的目的:
- 开发和评估基于深度学习的监控系统,用于早期森林火灾检测.
- 评估用于火灾识别的不同深度学习模型 (YOLOv8,YOLOv5,CNN-RCNN) 的性能.
- 使用无人机 (UAV) 和嵌入式AI硬件实现实时检测系统.
主要方法:
- 一架装有摄像头的四旋翼无人机被用于空中监视.
- 包括YOLOv8,YOLOv5和CNN-RCNN在内的深度学习模型被用于火灾检测和分类.
- 一个NVIDIA Jetson Nano被用作嵌入式硬件用于嵌入式AI处理.
- 为数据接收和可视化开发了地面站接口.
主要成果:
- YOLOv8分类实现了96%的准确性.
- CNN-RCNN分类实现了96%的准确性.
- YOLOv8n对象检测实现了89%的准确性,而YOLOv5n对象检测实现了89%的准确性.
结论:
- 开发的无人机系统使用嵌入式深度学习算法有效检测森林火灾.
- 无论是YOLOv8还是CNN-RCNN都表现出了火灾分类的高准确性.
- 该系统提供实时火灾图像和协调数据,以便及时干预.
