联系我们

环境

国民警卫队使用AI增强火警无人机

mm

更新

 on

随着大火越来越大,越来越危险,各种政府和私人机构已经转向 让AI检测并预测野火。国民警卫队在夏末和秋季期间一直在加利福尼亚进行侦察飞行,但是现在用于执行这些飞行的无人机已经 获得了AI算法的升级 旨在自动生成特定区域内的火灾地图。

创建火灾图是一个极其困难的过程,需要数据分析以绘制在崎terrain不平的地形上移动时不断变化的火灾的地图。空中观测和地面观测都可用于制作火灾图,并且火灾图通常每天大约更新一次。大火在一天之内可以移动多达15英里, 如本火季的一些大火所见证。火灾监控机构需要更快的方式来收集火灾数据和更新火灾图,而结合AI的空中无人机可以满足这一需求。

许多依赖于卫星数据的消防系统通常利用以下系统之一: 两种检测可能发生的火灾的方法。 通过检测从地球表面散发出来的热量(检测异常高温区域)或通过分析气溶胶排放(检测由于生物质燃烧而释放到空气中的烟尘颗粒)来检测火灾。在检测到潜在的火灾之后,可以通过使用诸如无人机之类的高分辨率成像系统来确认它们。国民警卫队无人机配备的摄像机能够以距地面仅90英尺的分辨率显示火灾。

国民警卫队为其MQ-9“收割者”无人机配备了AI算法,旨在检测火灾并生成火灾图。 AI算法用于收集有关主动燃烧的火灾的数据,并检测由较大火灾引发的“现场火灾”。该项目由五角大楼于2018年创建的一个部门联合人工智能中心(JAIC)推动。JAIC消防系统利用 机器学习 在带有注释边界的过去火灾的航拍画面上训练的算法。然后,该算法可以仅使用位置数据获取看不见的图像,并检测其中的火灾,并输出显示正在燃烧的区域的地图。还标出了局部大火的位置。

与其他机构使用的全天火灾地图生成过程相比,JAIC火灾地图系统要快得多。由AI驱动的火灾地图绘制过程大约每半小时可以生成一个新的火灾地图。 根据加利福尼亚航空国民警卫队,新系统生成的地图准确无误,而CalFire的反馈也很积极。如果这些地图继续被证明是可靠的,并且可以与CalFire的运营成功整合,则可以部署该地图以帮助在明年的火灾季节扑灭大火。

除了映射当前火灾的边界外,AI还可以帮助消防队预测火灾的发生。 CalFire本身最近 开始使用名为WildFire Analyst Enterprise的工具。 野火分析工具是由Technosylva创建的,它通过将各种火势蔓延模型结合在一起进行操作。通过使用机器学习算法对这些模型进行增强,这些算法对过去的野火特征(例如植被的水分含量,天气状况和卫星图像)进行了训练。然后,该模型将当前火灾的数据与过去火灾的数据进行比较,以便对火灾可能如何扩散进行预测。该软件还允许用户基于不同的变量(如天气条件)如何变化来创建仿真。该工具正确地预测了CZU闪电综合火场将向Felton镇移动,使消防人员能够及早到达并保存许多本来没有保存的建筑物。

同时,南加州的消防部门正在使用由Wifire实验室开发的另一种名为FireMap的火灾跟踪和预测系统。 FireMap使用来自摄像机的空中和地面数据,以及气候条件,风况,植被中的水分含量等来预测火势蔓延到哪里。

随着更多AI驱动的火灾探测和预测平台的创建,无人机 可能会变得越来越重要。 卫星非常有用,但是它们可以收集的数据类型和数量有限。两种类型的卫星用于收集数据:极地轨道卫星和地球同步卫星。极地轨道卫星能够拍摄高分辨率图像,但每天仅捕获两次图像。相反,由地球同步图像收集的图像则更频繁地收集,通常每5分钟左右一次。但是,地球同步卫星必须在地球表面上方飞行约22,000英里,才能与地球轨道保持同步。结果,这些图像所包含的细节远少于极地轨道卫星。无人机可以帮助填补数据中的空白,获得感兴趣区域的更恒定,更详细的图像。

专门从事以下工作的Blogger和程序员 Machine Learning Deep Learning 话题。 Daniel希望帮助他人将AI的力量用于社会公益。