| Περίληψη: | Οι δασικές και οι αστικές πυρκαγιές υπήρξαν και εξακολουθούν να αποτελούν σοβαρό πρόβλημα για πολλές χώρες του κόσμου. Αποτελεί, έναν από τους μεγαλύτερους περιβαλλοντικούς κινδύνους του πλανήτη και αποφέρει τεράστιες ζημιές. Επί του παρόντος, υπάρχουν πολλές διαφορετικές λύσεις για την καταπολέμηση των δασικών και αστικών πυρκαγιών. Οι λύσεις αυτές στοχεύουν κυρίως στο μετριασμό των ζημιών που προκαλούνται από τις πυρκαγιές, χρησιμοποιώντας μεθόδους για την έγκαιρη ανίχνευσή τους. Στην παρούσα εργασία συζητάμε μια νέα προσέγγιση για την ανίχνευση και τον έλεγχο της ενδεχόμενης πυρκαγιάς, στην οποία χρησιμοποιούνται σύγχρονες τεχνολογίες. Συγκεκριμένα, προτείνουμε μια πλατφόρμα που χρησιμοποιεί drones , τα οποία συνεχώς περιπολούν τις δυνητικά απειλούμενες περιοχές από ξέσπασμα πυρκαγιάς. Τα drones κινούνται αυτόνομα χρησιμοποιώντας τα οφέλη της Τεχνητή Νοημοσύνη (AI) και είναι εξοπλισμένα με δυνατότητες επεξεργασίας δεδομένων ενώ βρίσκονται στον αέρα. Αυτό τους επιτρέπει να χρησιμοποιούν μεθόδους υπολογιστικής νοημοσύνης για αναγνώριση και ανίχνευση καπνού ή πυρκαγιάς, με βάση τις ακίνητες εικόνες ή την είσοδο βίντεο από τις κάμερες του drone. Υπάρχουν διάφορα διαφορετικά σενάρια για την πιθανή χρήση των drone για ανίχνευση πυρκαγιάς και παρουσιάζονται στην εργασία αυτή. Για να συμβεί αυτό, οφείλουμε να δημιουργήσουμε ένα σύστημα που θα καταφέρει να μιμηθεί την ανθρώπινη διαδικασία αναγνώρισης ή ανίχνευσης φωτιάς και καπνού. Το σύστημα αυτό θα πρέπει στην ουσία να εκπαιδευτεί πάνω στα γεγονότα που προαναφέραμε. Αρχικά, απαραίτητη προϋπόθεση αποτελεί η συλλογή αρκετών δεδομένων που θα χρησιμοποιηθούν από τις τεχνικές βαθιάς μάθησης (deep learning). Επιλέγουμε από το σύνολο των εφαρμογών βαθιάς μάθησης την κατασκευή ενός συνελικτικού μοντέλου νευρωνικού δικτύου (CNN) όπου θα έχει την ικανότητα να εκπαιδευτεί με τρόπο ώστε να μπορεί να αναγνωρίσει με μεγάλη ακρίβεια την ύπαρξη φωτιάς από μια εικόνα. Τέλος, η συνεχής καταγραφή δεδομένων που γίνεται από το αεριωθούμενο drone, επιστρέφονται και αναλύονται σε πραγματικό χρόνο από το μοντέλο μας, αποδίδοντας μια στιγμιαία θετική ή αρνητική απάντηση σχετικά με την ύπαρξη φωτιάς ή καπνού στο σημείο αυτό .
|
|---|
