CC BY
12
ОБНАРУЖЕНИЕ ЛЕСНЫХ ПОЖАРОВ С ПОМОЩЬЮ БПЛА САМОЛЕТНОГО ТИПА
Г.Н. Насырова, ассистент, аспирант И.Р. Насыров, аспирант Псковский государственный университет (Россия, г. Псков)
DOI:10.24412/2500-1000-2024-9-5-7-11
Аннотация. В современном мире проблема лесных пожаров становится все более актуальной и требует поиска новых эффективных методов и технологий для их обнаружения и тушения. Одним из перспективных направлений в этой области является применение беспилотных летательных аппаратов (БПЛА). Данная статья посвящена исследованию и анализу применения БПЛА в обнаружении лесных пожаров. В работе будут рассмотрены успешные кейсы применения БПЛА для мониторинга и отслеживания лесных пожаров, а также оперативный поиск и локализация очагов возгорания при помощи тепловизоров на таких аппаратах, проанализировано программное обеспечение, специально разработанное для обнаружения лесных пожаров при помощи БПЛА. В статье будут представлены практические рекомендации по эффективному использованию беспилотных летательных аппаратов в обнаружении лесных пожаров, что позволит сделать выводы о перспективах и потенциале данной технологии в борьбе с пожарами в лесах.
Ключевые слова: лесные пожары, БПЛА, искусственный интеллект, нейронные сети, ГЛОНАСС и GPS, многоспектральные камеры.
Лес является богатством Российской Федерации. По данным Федеральной службы государственной регистрации, кадастра и картографии на 1 января 2023 год в Российской Федерации составляет 1 128 421,6 тыс. га, причем СевероЗападный Федеральный округ занимает третье место по Российской Федерации.
Ежегодно в Псковской области, которая относится к СЗФО, регистрируется от 50 до 100 лесных пожаров, охватывающих площадь до 200 га. Лесной пожар является страшным стихийным бедствием, который причиняет мощный ущерб лесному хозяйству, меняющий функционирование и состоянии лесов. Лесные пожары создают огромную угрозу для экосистемы и биоразнообразию, уничтожая лесной фонд и животных. Это может привести к исчезновению отдельных видов животных и растений, что может привести к нарушению пищевых цепей и потере биологического разнообразия. На восстановления лесного
массива могут уходить десятки лет. Также лесные пожары могут привести к человеческим жертвам и ущербу сельскому хозяйству, что может привести к колоссальному экономическому ущербу.
На данный момент актуальной проблемой лесного хозяйства является не только своевременной обнаружение возгорания, но и эффективный мониторинг течение пожара, координация действий работников противопожарного центра. Сейчас в области применяется несколько видов систем по обнаружению возгораний: авиапатрулирование, наземное патрулирование, дым-детектор системы видеонаблюдения «Лесохранитель», информационная система дистанционного мониторинга Росле-схоз. По данным ГАУ ПО «Противопожарный лесной центр» на 2023 год самыми эффективными системами обнаружения лесных пожаров является видеонаблюдение и авиапатрулирование (рис. 1).
Рис. 1. Доля обнаруженных возгораний (лесные пожары и угрозы перехода огня на земли
лесного фонда), %
Одним из показателей, характеризующим пожарную опасность лесного фонда, является природная пожарная опасность. Особое внимание при этом уделяют участкам, которые характеризуются особой природной пожарной опасностью. При этом в жаркие, солнечные дни без осадков, необходимо усилить мониторинг таких территорий, так как в такие дни повышается комплексный показатель лесных пожаров. В Псковской области такие территории насчитывают примерно 30% лесного фонда.
Преимущества использования беспилотных летательных аппаратов (БПЛА) в обнаружении лесных пожаров становятся все более очевидными и востребованными в современной практике. БПЛА успешно интегрируются в деятельность пожарных и спасателей, для оперативного обнаружения и тушения возгораний в лесах. Они осуществляют поиск и локализацию очагов пожаров при помощи тепловизоров, обеспечивают контроль состояния лесных угодий и оказывают информационную поддержку на земле, ускоряя реакцию на чрезвычайные ситуации. Данные, получаемые с БПЛА, позволяют в режиме реального времени отслеживать вышеуказанные показатели.
В системах раннего обнаружения лесных пожаров предполагается использова-
ние БПЛА двух типов: с неподвижным крылом, БПЛА коптерного типа. БПЛА с неподвижным крылом имеют ряд преимуществ перед другими типами БПЛА, такие как повышенная надежность, увеличенная высота и дальность полета. Но в то же время второй тип дронов имеет возможность вертикального взлета и приземления при любом типе ландшафта. В настоящие время все чаще стали применятся гибридные БПЛА, которые объединяют преимущество двух типов БПЛА [1, 3].
На основе исследований была разработана блок-схема автоматизированного обнаружения возникновения лесных пожаров, с применением БПЛА самолетного типа, которая представлена на рисунке 2. Как видно из блок-схемы система состоит из двух главных этапов.
Первый этап заключается в патрулировании территории с помощью БПЛА самолетного типа. Перед выполнением полета оператор запуска изначально задает определенный маршрут полетного задания. В практике применяется два варианта полетных маршрута: кольцевой замкнутый маршрут и площадной маршрут. Первый вариант полетного маршрута более простой и затрачивает меньшее время полета. Второй вариант в свою очередь более точный в обнаружении лесных пожаров.
БПЛА самолетного типа
1
Система сбора и обработки
данных
Снгнал опаснос ти №2
Рис. 2. Блок-схема автоматизированной системы обнаружения пожаров с
применением БПЛА
В исследуемой системе применяется второй вариант полетного маршрута. Оператор, при загрузки полетного маршрута, задает определенный квадрант карты и опорные точки поворота. Процесс управления БПЛА осуществляется автоматически с помощью бортового оборудования и навигации: навигационная система ГЛО-НАСС и GPS, бортовая система связи, система датчиков для определения показателей полета.
В качестве системы сбора данных используются многоспектральные камеры, позволяющие проведение не только полного анализа местности, где происходит пожар, но и имеется возможность их использования для определения индекса растительности карты ландшафта [5]. Так же в данной системе присутствует дополнительная полезная нагрузка, такая как газоанализаторы и тепловизоры, применяюща-
яся для распознавания скрытых очагов возгорания.
Обработку данных производит искусственный интеллект, который позволяет прогнозировать возгорание с помощью нейронных сетей. В настоящее время нейронные сети востребованы и перспективны, так как имеют свойство «обучаться» на основе приведенных ранее примеров.
После обнаружения признаков возникновения лесного пожара БПЛА подает сигнал тревоги на пульт управления диспетчера, при этом на пульте остаются зафиксированные изображения и показания дополнительной полезной нагрузки для оценки ситуации диспетчером. Таким образом исключаются ошибки нейронной сети, которые могли спровоцировать ложный вызов противопожарной службы.
На рисунке 3 приведен пример обнаружения лесных пожаров с помощью мно-
госпектральных камер, находящихся на основным параметрам: задымлению и от-борту БПЛА. Из рисунка 3 видно, что об- крытым участкам пламени. наружение пожара происходит по двум
Рис. 3. Использование искусственного интеллекта для определения лесных пожаров
Существует несколько видов нейрон- работы, была отнесена к бинарной клас-ных сетей, но для отслеживания и сравне- сификации задачи машинного обучения. ния изображений чаще всего используются Таким образом, использование систем
светочные нейронные сети. Такие сети раннего обнаружения лесных пожаров с состоят их входного слоя, который ис- применение БПЛА самолетного типа явля-пользуется для обучения нейронных сетей, ется более эффективным в диагностики скрытых слов, от количества которых за- пожаров. Исследуемый подход направлен висит степень обучаемости, и выходного на улучшение существующих методов об-слоя [2, 4, 5]. Исследуемая система ранне- наружение пожаров, а также для значи-го обнаружения пожаров, для упрощения тельного снижения ущерба лесному фонду
и человеческой жизни.
Библиографический список
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. Artificial С/ Detection of forest fire prediction / G. Sakr, I. Elhajj, G. Mitri, U. Wejinya // Environment Science, Computer Science 2010 IEEE. ASME International Conference on Advanced Intelligent Mechatronics. - 2010. - P. 1311-1316.
DETECTION OF FOREST FIRES USING AN AIRPLANE-TYPE UAV
G.N. Nasyrova, Assistant, Postgraduate Student I.R. Nasyrov, Postgraduate Student Pskov State University (Russia, Pskov)
Abstract. In the modern world, the problem offorest fires is becoming more and more urgent and requires the search for new effective methods and technologies for their detection and extinguishing. One of the promising areas in this area is the use of unmanned aerial vehicles (UAVs). This article is devoted to the study and analysis of the use of UAVs in the detection of forest fires. The work will consider successful cases of using UAVs for monitoring and tracking forest fires, as well as the rapid search and localization of fire sources using thermal imagers on such devices, and software specially designed for detecting forest fires using UAVs will be analyzed. The article will present practical recommendations on the effective use of unmanned aerial vehicles in detecting forest fires, which will allow us to draw conclusions about the prospects and potential of this technology in fighting forest fires.
Keywords: forest fires, UAVs, artificial intelligence, neural networks, GLONASS and GPS, multispectral cameras.
