DEVELOPMENT OF A FOREST EARLY DETECTION SYSTEM FIRES USING UNMANNED AERIAL VEHICLES AND ARTIFICIAL INTELLIGENCE

Cover Page

Cite item

Full Text

Abstract

For most of the world, wildfires continue to bea serious problem. There are now many ways to deal with them, and they are all mainly aimed at reducing the damage caused by fires using early detec-tion methods. According to the estimates of the Federal Forestry Agency, on average, the amount of damage from forest fires per year is about 20 billion rubles, of which from 3 to 7 billion is damage to forestry (wood loss). The article discusses the use of unmanned aerial vehicles (UAVs) for regular pa-trolling of potentially dangerous areas of fire distribution, using the advantages of artificial intelligence (AI) and the ability to self-process the information received. This allows UAVs to use computer vision techniques to detect smoke or fire, based on information received from their video cameras

About the authors

Nataliya Romanovna Vycherova

Ukhta State Technical University

Email: nvycherova@ugtu.net

Evgeny Arturovich Budevich

Ukhta State Technical University

Email: ebudevich@ugtu.net

Andrey Eduardovich Belyaev

Gazprom Nedra PF "Vuktylgazgeofizika" LLC

Email: belandre@yandex.ru

References

  1. Анализ перспективных физических методов обнаружения возгораний / И. Р. Шегельман, О. Н. Галактионов, А. Ю. Когочев, А. С. Попов // Успехи современного естествознания. 2016. № 12. С. 335—339.
  2. Бобков А. В. Системы распознавания образов. М.: МГТУ им. Н. Э. Баумана, 2018. 190 с.
  3. Богуш Р. П., Тычко Д. А. Алгоритм комплексного обнаружения дыма и пламени на основе анализа данных систем видеонаблюдения // Доклады Белорусского государственного университета информатики и радиоэлектроники. 2015. № 6 (92). С. 63—71.
  4. Гибсон У. Распознавание образов. СПб.: Азбука, 2015. 384 с.
  5. Кириченко А. А. Основы теории искусственных нейронных сетей. Б. м., 2020. 222 с. URL: rusneb.ru. Текст: электронный.
  6. Красильников Н. Н. Цифровая обработка 2D- и 3D-изображений. СПб.: БХВ-Петербург, 2011. 608 с.
  7. Крюкова М. С., Фахми Ш. С. Сегментация полутоновых изображений лесных пожаровна основе дисперсионного анализа // Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России: Научно-аналитический журнал. 2019. № 3. С. 103—111.
  8. Лесные пожары в России. «Антирекорды» и территории распространения // Информационное агентство России «ТАСС»: [сайт]. 2022. URL: https://tass.ru/info/15559017 (дата обращения: 05.09.2022).
  9. Лукьяница А. А., Шишкин А. Г. Цифровая обработка видеоизображений. М.: Ай-Эс-Эс Пресс, 2009. 518 с.
  10. Методы искусственного интеллекта в программных приложениях: Лабораторный практикум. Учебное электронное издание сетевого доступа / Б. Г. Ильясов, Е. А. Макарова, Е. Ш. Закиева, Э. Р. Габдуллина. Уфа, 2021. 153 с. URL: www.ugatu.su. Текст: электронный.
  11. Методы обработки и распознавания изображений лиц в задачах биометрии / Г. А. Кухарев, Н. Л. Щеголева, Ю. Н. Матвеев, Е. И. Каменская. М.: Политехника, 2013. 388 с.
  12. Никитин А. А., Лиманова Н. И. Процесс распознавания изображения нейронной сетью // Молодой учёный. 2020. № 47 (337). С. 23—25. URL: https://moluch.ru/archive/337/75420/ (дата обращения: 05.09.2022). Текст: электронный.
  13. Астратов О. С., Смирнов В. М., Филатов В. Н. Обнаружение лесных пожаровпо видеоизображениям // Научная сессия ГУАП: Сб. докл. СПб.: ГУАП, 2018. С. 7—11.
  14. Обработка изображений в прикладных телевизионных системах / О. С. Астратов [и др.]. СПб.: ГУАП, 2012. 272 с.
  15. Применение алгоритмов анализа изображений для обнаружения пожаров / А. О. Кузнецов, В. М. Мусалимов, А. П. Саенко, К. В. Трамбицкий // Известия высших учебных заведений. Приборостроение. 2012. Т. 55, № 6. С. 51—56.
  16. Пятаева А. В. Сегментация областей задымления на видеопоследовательности // Сибирский аэрокосмический журнал. 2016. Т. 17, № 3. С. 625—630.
  17. Система видеомониторинга для обнаружения лесного пожара в районе промышленного предприятия // О. С. Астратов, В. М. Смирнов, В. Н. Филатов, А. В. Митько // Neftegaz.RU: Деловой журнал. 2020. № 2 (98). С. 58—61. URL: https://magazine.neftegaz.ru/articles/tsifrovizatsiya/527122-sistema-videomonitoringa-dlya-obnaruzheniya-lesnogo-pozhara-v-rayone-promyshlennogo-predpriyatiya/ (дата обращения: 05.09.2022). Текст: электронный.
  18. Васюков В. Н., Зайцева А. Ю., Бондаренко В. В. Система раннего обнаружения лесных пожаров — архитектура и алгоритмы // Доклады АН ВШ РФ. 2015. № 2 (27). С. 43—56.
  19. Antoine C. Detection of forest fires using artificial intelligence. Année académique, 2021. 153 p.
  20. Artificial intelligence for forest fire prediction / G. Sakr, I. Elhajj, G. Mitri, U. Wejinya // Environmental Science, Computer Science 2010 IEEE. ASME International Conferenceon Advanced Intelligent Mechatronics. 2010. P. 1311—1316.
  21. Att squeeze u-net: A lightweight network for forest fire detection and recognition / J. Zhang, H. Zhu, P. Wang, X. Ling // IEEE Access, 9. 2021. P. 10858—10870.
  22. Early Forest Fire Detection Using Drones and Artificial Intelligence / D. Kinaneva, G. Hristov, J. Raychev, P. Zahariev // Conference: 42nd International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO). 2019. P. 1060—1065.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2022 Vycherova N.R., Budevich E.A., Belyaev A.E.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).