无人机-FFDB:一个高分辨率的数据集,用于利用无人机 (UAV) 推进森林火灾检测和监测
Md Najmul Mowla1, Davood Asadi1, Kadriye Nur Tekeoglu2
1Alparslan Türkeş Science and Technology University, Adana 1250, Turkey.
Data in brief
|July 30, 2024
概括
一个新的无人机 (UAV) 基于森林火灾数据库 (UAVs-FFDB) 为早期火灾检测提供了关键的实时数据. 这一全面的数据集有助于开发用于森林火灾监测和管理的先进人工智能方法.
科学领域:
- 林业和环境科学 林业和环境科学
- 计算机科学和人工智能 人工智能
- 遥感和地理空间技术 遥感和地理空间技术
背景情况:
- 森林生态系统越来越容易受到野火的影响,需要快速准确的检测系统.
- 目前实时森林火灾数据的可访问性和及时性不足以有效管理火灾.
- 开发强大的数据集对于推进人工智能驱动的野火监测解决方案至关重要.
研究的目的:
- 引入无人机 (UAV) 基于森林火灾数据库 (UAV-FFDB),以满足对可访问的实时森林火灾数据的需求.
- 为训练和验证人工智能模型提供全面的数据集,用于早期火灾检测和监测.
- 支持开发用于自动火灾分类,识别,检测和细分的先进方法.
主要方法:
- 采集了1653张高分辨率RGB原始图像,使用配备RaspiCamV2摄像头的无人机.
- 将原始图像数据集增加到总共15560张图像,增加了多样性和覆盖范围.
- 使用Makesense.ai对所有图像进行注释,以精确地划分火线边界,并使用无人机在不同高度 (5-15m) 和速度 (2 m/s) 获取数据.
主要成果:
- 无人机-FFDB包括1653张原始图像 (692 MB) 和15560张增强图像 (6.76 GB),这些图像是在土耳其阿达纳附近的森林地区拍摄的.
- 数据集具有不同尺寸的图像,确保对潜在的火灾场景的全面表示.
- 准确的注释有助于开发精确的AI算法,用于火灾检测和细分.
结论:
- 无人机-FFDB为研究人员开发创新的早期火灾检测和持续监测方法提供了至关重要的数据基础设施.
- 这一数据集对于推进基于人工智能的系统来实现森林火灾自动化分析,改善生态系统保护和人类安全的基础.
- 无人机-FFDB通过加强野火监测能力来支持可持续森林管理实践.
