CC BY
1
УДК 543
НЕЙРОННЫЕ СЕТИ В РЕШЕНИИ ПРОБЛЕМЫ ЛЕСНЫХ ПОЖАРОВ
А.П. Надежкин Научный руководитель - М. В. Чижевская.
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: artemnadezkin@mail.ru
Рассмотрен возможный способ использования искусственной нейронной сети с целью своевременного выявления очагов возгорания в лесных массивах.
Ключевые слова: Нейронная сеть, перцептрон, спутник, мониторинг, лес, пожар NEURAL NETWORKS IN SOLVING THE PROBLEM OF FOREST FIRES
A.P. Nadezhkin Scientific supervisor - M. V. Chizhevskaya
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation E-mail: artemnadezkin@mail.ru
A possible way of using an artificial neural network for the purpose of timely detection offires in forests is considered.
Keywords: Neural network, perceptron, satellite, monitoring, forest, fire
Каждый год лесные пожары все усиливаются и усложняются. Не исключение и 2018 год. Только в Красноярском крае площадь пожара составила 305 тысяч гектаров [1]. А ведь российские леса являются «легкими планеты»: занимая 10% суши, они поглощают из атмосферы около 500 миллионов тонн углекислого газа ежегодно. И уменьшая площадь лесов, мы ухудшаем экологическую обстановку в мире:
1. Из-за гари и дыма ухудшается здоровье людей;
2. Загрязняется атмосфера;
3. Почва теряет свою плодородность;
4. Повышается возможность наступления глобального потепления и затопления территорий.
Основными причинами возникновения лесных пожаров является деятельность человека, грозовые разряды, самовозгорания торфяной крошки и сельскохозяйственные палы в условиях жаркой погоды или в пожароопасный сезон, то есть период с момента таяния снегового покрова в лесу до появления полного зеленого покрова или наступления устойчивой дождливой осенней погоды [2]. Естественные пожары, отличаются от антропогенных пожаров. Так, молнии, как правило, попадают в деревья на возвышенностях, и огонь, спускаясь по склону, продвигается медленно и теряет силу пламени, из-за этого огонь редко распространяется на большие площади. Антропогенные же пожары чаще начинаются в низинах и распадках, что определяет более быстрое и опасное развитие [3].
Исходя из выше изложенного, лесной пожар, возникший по естественным причинам, не создает высокий уровень угроз по равнения с антропогенным. А так как невозможно
Актуальные проблемы авиации и космонавтики - 2022. Том 2
уследить за деятельностью всех людей, мы предлагаем решить проблему лесных пожаров с помощью мониторинга их с космоса, используя технологию нейросетей для автоматизации процесса отслеживания пожаров.
В настоящий момент уже существуют спутники, занимающийся данной проблемой, но его недостаток в том, что мониторинг все еще проводит человек, что оставляет возможность ошибки или простой невнимательности.
Наша система будет работать на основе нейронных сетей и сможет сама определять появление очагов пожара. Также из-за автоматизации процесса имеется возможность запустить несколько спутников для большей площади наблюдения.
Принцип работы нейронной сети:
Как и большинство нейронных сетей, наша работает на основе компьютерного зрения. Снимок со спутника (рис. 1) разбивается на квадраты со сторонами 28 пикселей или квадрат с разрешением 784 пикселя (рис. 2).
ж
1,
■ -
4
Рис. 1. Снимок со спутника
Рис. 2. Разбиение на секторы
Затем изображение переводится в черно-белый цветовой спектр, что позволяет проводить более точный анализ (рис. 3). Последовательно выбираются ранее обозначенные участки (рис. 4). На выбранном участке каждому пикселю присваивается число от 0 до 1, чем светлее цвет пикселя, тем показатель ближе к единице, а чем темнее, тем ближе к нулю.
■ ■г ШПЖа ш
шт ж ш ы ■
т л та ■
т таят т т 1
к щштш ш т
н > тшш я
Рис. 3. Перевод в другой спектр
Рис. 4. Выделенный участок 28х28 пикселя
Затем эти данные вносятся в перцептрон. Перцептрон - это математическая модель представления нейронных связей. Он состоит из входного слоя, скрытых слоев и выходного слоя (рис. 5) [4].
Суть скрытых слоев, в том, чтобы разбить сегмент из 784 пикселей на составные части и попытаться соотнести их со встречными шаблонами на 2 уровне. Потом другой элемент сегмента сравнивается с шаблонами 3 уровня, но уже теми, которые связаны с выбранным шаблоном 2 уровня и т. д. В конечном итоге, пройдя все скрытые слои, сравнив данный сегмент со всеми возможными вариациями пожаров, нейронная сеть скажет, происходит ли в данном сегменте пожар, и на какой он стадии.
Планируемые практические результаты:
Благодаря съемке со спутника наша нейронная сеть будет определять место положения очагов возгорания на начальной стадии. С помощью передатчика наш МКА будет передавать цветное изображение в МЧС и другие спасательные службы. Там человек будет результаты анализа нейронной сети, тем самым повысится скорость реагирования спасательных служб на лесные пожары.
Библиографические ссылки
1. Официальный портал: Красноярский край. [Электронный ресурс]. URL: http://www.krskstate.ru/press/news/firecontrol/0/print/yes (дата обращения 10.03.2022).
2. РИА Новости. Наука. [Электронный ресурс]. URL: https://rla.ru/20090414/168056182.html (дата обращения 10.03.2022).
3. МЧС России. [Электронный ресурс]. URL: https://35.mchs.gov.ru/deyatelnost/press-centr/novosti/4518391 (дата обращения 10.03.2022).
4. [Электронный ресурс]. URL: https://cybernetlcs.fandom.com/ru/wlkl/%D0%9F%D0%B5%D1%80%D1%86%D0%B5%D0%BF %D1%82%D1%80%D0%BE%D0%BD (дата обращения 10.03.2022).
© Надежкин А.П., 2022
