Нацгвардія доповнить дрони для виявлення вогню ШІ

Оскільки пожежі стають все більшими та небезпечнішими, різні державні та приватні установи звернулися до них ШІ для виявлення та потенційного прогнозування лісових пожеж. Національна гвардія здійснювала розвідувальні польоти в Каліфорнії в кінці літа та восени протягом багатьох років, але тепер безпілотники, які використовуються для виконання цих польотів, отримали оновлення з алгоритмами ШІ призначений для автоматичного формування карт пожеж в межах окремого регіону.

Створення карт пожеж – це неймовірно складний процес, який потребує аналізу даних, щоб відображати постійно змінювані пожежі, які рухаються по пересіченій місцевості. Для створення карт пожеж використовуються як повітряні, так і наземні спостереження, і карти пожеж зазвичай оновлюються лише раз на день або близько того. Великі пожежі можуть просуватися на 15 миль протягом одного дня, про що свідчать деякі пожежі цього протипожежного сезону. Агентствам, які спостерігають за пожежами, потрібні швидші способи збору даних про пожежі та оновлення карт пожеж, і безпілотники в поєднанні зі штучним інтелектом можуть вирішити цю потребу.

Системи картографування пожежі, багато з яких покладаються на супутникові дані, зазвичай використовують один із них два різні методи виявлення можливих пожеж. Пожежі виявляються або шляхом визначення тепла, що відходить від поверхні Землі (виявлення надзвичайно гарячих ділянок), або шляхом аналізу аерозольних викидів (виявлення частинок диму, що викидаються в повітря під час горіння біомаси). Після виявлення потенційних пожеж їх можна підтвердити за допомогою систем обробки зображень з високою роздільною здатністю, таких як дрони. Камери, якими оснащені дрони Національної гвардії, здатні показувати пожежі з роздільною здатністю лише 90 футів над землею.

Національна гвардія оснастила свої безпілотники MQ-9 «Жнець» алгоритмами штучного інтелекту, призначеними для виявлення пожеж і створення карт пожеж. Алгоритми штучного інтелекту використовуються для збору даних про активні пожежі та виявлення «точкових пожеж», які виникли в результаті більших пожеж. Керував проектом Об’єднаний центр штучного інтелекту (JAIC), підрозділ, створений Пентагоном у 2018 році. Система картографування пожеж JAIC використовує алгоритми машинного навчання, навчені на аерофотознімках минулих пожеж із анотованими межами. Тоді алгоритм може робити невидимі зображення лише з даними про місцезнаходження та виявляти в них пожежі, виводячи карту, яка показує, які регіони горять. Також позначені місця точкових пожеж.

Порівняно з процесом формування карт пожеж протягом дня, який використовують інші агентства, система картографування пожеж JAIC набагато швидша. Процес картографування вогню за допомогою штучного інтелекту може генерувати нову карту пожежі приблизно кожні півгодини. Про це повідомляє Національна гвардія Каліфорнії, карти, створені новою системою, точні, а відгуки від CalFire позитивні. Якщо карти й надалі виявлятимуть надійність і їх можна буде успішно інтегрувати з діяльністю CalFire, їх можна буде розгорнути для виявлення пожеж під час пожежонебезпечного сезону наступного року.

Окрім нанесення на карту меж поточних пожеж, штучний інтелект може допомогти пожежним командам передбачити переміщення пожеж. Сама CalFire нещодавно почав працювати з інструментом під назвою WildFire Analyst Enterprise. Інструмент аналізу лісових пожеж створений компанією Technosylva, і він працює шляхом поєднання різних моделей поширення вогню. Ці моделі покращуються завдяки використанню алгоритмів машинного навчання, навчених на характеристиках минулих лісових пожеж (таких як вміст вологи в рослинності, погодні умови та супутникові зображення). Потім модель порівнює дані про поточну пожежу з даними про минулу пожежу, щоб спрогнозувати, як ця пожежа може поширюватися. Програмне забезпечення також дозволяє користувачеві створювати симуляції на основі того, як змінюються різні змінні, наприклад погодні умови. Інструмент правильно передбачив, що вогонь CZU Lightning Complex рухатиметься до міста Фелтон, дозволяючи бригадам пожежників прибути раніше та врятувати багато споруд, які, можливо, не вдалося б врятувати іншим способом.

Тим часом пожежні підрозділи південної Каліфорнії використовують іншу систему відстеження та прогнозування пожеж під назвою FireMap, розроблену лабораторією Wifire. FireMap використовує як повітряні, так і наземні дані з камер, а також кліматичні умови, умови вітру, вміст вологи в рослинності тощо, щоб передбачити, де поширюватимуться пожежі.

У міру того, як створюється все більше платформ виявлення та прогнозування пожеж на основі ШІ, дрони ймовірно, стане все більш важливим. Супутники надзвичайно корисні, але вони мають обмеження щодо типу та обсягу даних, які вони можуть збирати. Для збору даних використовуються два типи супутників: полярні орбітальні супутники та геосинхронні супутники. Полярні орбітальні супутники здатні робити зображення з високою роздільною здатністю, але знімки знімаються лише двічі на день. Навпаки, зображення, зібрані за допомогою геосинхронних зображень, збираються частіше, зазвичай приблизно кожні 5 хвилин. Однак геосинхронні супутники повинні пролетіти приблизно 22,000 XNUMX миль над поверхнею Землі, щоб підтримувати синхронізацію з орбітою Землі. В результаті ці зображення містять набагато менше деталей, ніж зображення полярних орбітальних супутників. Безпілотники можуть допомогти заповнити прогалини в даних, отримуючи більш постійні, детальні зображення цікавої області.