الحرس الوطني يعزز الطائرات بدون طيار للكشف عن الحرائق بالذكاء الاصطناعي

مع تزايد حجم الحرائق وزيادة خطورتها ، تحولت العديد من الوكالات الحكومية والخاصة للذكاء الاصطناعي لاكتشاف حرائق الغابات والتنبؤ بها. كان الحرس الوطني ينفذ رحلات استطلاعية في كاليفورنيا خلال أواخر الصيف والخريف لسنوات بيو ، ولكن الآن الطائرات بدون طيار المستخدمة في تنفيذ هذه الرحلات لديها ترقيات مع خوارزميات الذكاء الاصطناعي يهدف إلى إنشاء خرائط الحرائق تلقائيًا داخل منطقة معينة.

يعد إنشاء خرائط النار عملية صعبة للغاية تتطلب تحليل البيانات لرسم خريطة للحرائق المتغيرة باستمرار أثناء تحركها فوق التضاريس الوعرة. تُستخدم كل من الملاحظات الجوية والأرضية لعمل خرائط الحرائق ، وعادةً ما يتم تحديث خرائط الحرائق مرة واحدة كل يوم أو نحو ذلك. يمكن أن تتحرك الحرائق الكبيرة لمسافة تصل إلى 15 ميلاً في اليوم الواحد ، كما تشهد عليه بعض الحرائق في موسم الحرائق هذا. تحتاج وكالات مراقبة الحرائق إلى طرق أسرع لجمع بيانات الحرائق وتحديث خرائط الحرائق ، ويمكن للطائرات بدون طيار جنبًا إلى جنب مع الذكاء الاصطناعي تلبية هذه الحاجة.

عادةً ما تستخدم أنظمة رسم خرائط الحرائق ، التي يعتمد الكثير منها على بيانات الأقمار الصناعية ، أحد أنظمة طريقتان مختلفتان للكشف عن الحرائق المحتملة. يتم الكشف عن الحرائق إما عن طريق استشعار الحرارة القادمة من سطح الأرض (الكشف عن المناطق الساخنة بشكل غير عادي) أو عن طريق تحليل انبعاثات الهباء الجوي (الكشف عن جزيئات الدخان المنبعثة في الهواء مع احتراق الكتلة الحيوية). بعد اكتشاف الحرائق المحتملة ، يمكن تأكيدها من خلال استخدام أنظمة تصوير عالية الدقة مثل الطائرات بدون طيار. يمكن للكاميرات المجهزة بطائرات بدون طيار التابعة للحرس الوطني إظهار الحرائق بدقة تصل إلى 90 قدمًا فقط فوق سطح الأرض.

قام الحرس الوطني بتجهيز طائراته بدون طيار من طراز MQ-9 “Reaper” بخوارزميات الذكاء الاصطناعي التي تهدف إلى اكتشاف الحرائق وإنشاء خرائط الحرائق. تُستخدم خوارزميات الذكاء الاصطناعي لجمع البيانات عن الحرائق المشتعلة بشكل نشط واكتشاف "الحرائق الموضعية" التي اندلعت بسبب حرائق أكبر. كان المشروع بقيادة مركز الذكاء الاصطناعي المشترك (JAIC)، وهو قسم أنشأه البنتاغون في عام 2018. يستخدم نظام رسم خرائط الحرائق JAIC خوارزميات التعلم الآلي المدربة على لقطات جوية للحرائق الماضية مع حدود مشروحة. يمكن للخوارزمية بعد ذلك التقاط صور غير مرئية باستخدام بيانات الموقع فقط واكتشاف الحرائق فيها، وإخراج خريطة توضح المناطق التي تحترق. يتم أيضًا تحديد موقع الحرائق الموضعية.

بالمقارنة مع عملية إنشاء خرائط الحرائق التي تستغرق يومًا كاملاً والتي تستخدمها الوكالات الأخرى ، فإن نظام رسم خرائط الحرائق JAIC أسرع بكثير. يمكن لعملية رسم خرائط النيران التي تعمل بالذكاء الاصطناعي إنشاء خريطة نار جديدة كل نصف ساعة تقريبًا. وفقًا للحرس الوطني الجوي بكاليفورنيا، الخرائط التي أنتجها النظام الجديد دقيقة وكانت ردود الفعل من CalFire إيجابية. إذا استمرت الخرائط في إثبات موثوقيتها ويمكن دمجها بنجاح مع عمليات CalFire ، فيمكن نشرها للمساعدة في اكتشاف الحرائق خلال موسم الحرائق العام المقبل.

إلى جانب رسم حدود الحرائق الحالية ، يمكن للذكاء الاصطناعي مساعدة فرق مكافحة الحرائق على التنبؤ بحركة الحرائق. قامت CalFire نفسها مؤخرًا بدأ العمل باستخدام أداة تسمى WildFire Analyst Enterprise. تم إنشاء أداة تحليل حرائق الغابات بواسطة Technosylva ، وهي تعمل من خلال الجمع بين نماذج مختلفة لنشر الحرائق معًا. تم تحسين هذه النماذج من خلال استخدام خوارزميات التعلم الآلي ، المدربة على ميزات حرائق الغابات السابقة (مثل المحتوى الرطوبي للنباتات ، وظروف الطقس ، وصور الأقمار الصناعية). ثم يقارن النموذج البيانات الخاصة بالحريق الحالي ببيانات الحريق السابقة من أجل عمل تنبؤات حول كيفية انتشار هذا الحريق. يسمح البرنامج أيضًا للمستخدم بإنشاء عمليات محاكاة بناءً على كيفية تغير المتغيرات المختلفة مثل ظروف الطقس. توقعت الأداة بشكل صحيح أن يتحرك CZU Lightning Complex Fire نحو مدينة فيلتون ، مما يتيح لأطقم مكافحة الحرائق الوصول مبكرًا وحفظ العديد من الهياكل التي ربما لم يتم إنقاذها بطريقة أخرى.

وفي الوقت نفسه ، تستخدم إدارات مكافحة الحرائق في جنوب كاليفورنيا نظامًا مختلفًا لتتبع الحرائق والتنبؤ بها يسمى FireMap ، تم تطويره بواسطة Wifire Lab. يستخدم FireMap البيانات الجوية والأرضية من الكاميرات ، بالإضافة إلى الظروف المناخية وظروف الرياح ومحتوى الرطوبة في الغطاء النباتي وغير ذلك ، للتنبؤ بمكان انتشار الحرائق.

مع إنشاء المزيد من منصات الكشف عن الحرائق والتنبؤ بها التي تعتمد على الذكاء الاصطناعي ، يتم إنشاء طائرات بدون طيار من المرجح أن تصبح ذات أهمية متزايدة. الأقمار الصناعية مفيدة للغاية ، لكن لها قيودًا فيما يتعلق بنوع وحجم البيانات التي يمكنهم جمعها. يتم استخدام نوعين من الأقمار الصناعية لجمع البيانات: الأقمار الصناعية المدارية القطبية والأقمار الصناعية المتزامنة مع الأرض. تستطيع الأقمار الصناعية المدارية القطبية التقاط صور عالية الدقة ، ولكن يتم التقاط الصور مرتين فقط في اليوم. في المقابل ، يتم جمع الصور التي يتم جمعها بواسطة الصور المتزامنة مع الأرض بشكل متكرر ، عادةً كل 5 دقائق أو نحو ذلك. ومع ذلك ، يجب أن تطير الأقمار الصناعية المتزامنة مع الأرض حوالي 22,000 ميل فوق سطح الأرض من أجل البقاء متزامنة مع مدار الأرض. نتيجة لذلك ، تحتوي هذه الصور على تفاصيل أقل بكثير من تفاصيل الأقمار الصناعية المدارية القطبية. يمكن أن تساعد الطائرات بدون طيار في سد الفجوات في البيانات ، والحصول على صور أكثر ثباتًا وتفصيلاً لمجال الاهتمام.