Vệ binh Quốc gia sẽ bổ sung máy bay không người lái phát hiện lửa với Trí tuệ nhân tạo

Khi các vụ cháy trở nên lớn hơn và nguy hiểm hơn, các cơ quan chính phủ và tư nhân khác nhau đã chuyển sang sử dụng Trí tuệ nhân tạo để phát hiện và dự đoán các vụ cháy rừng. Vệ binh Quốc gia đã thực hiện các chuyến bay trinh sát ở California trong mùa hè và mùa thu gần đây, nhưng hiện tại, các máy bay không người lái được sử dụng để thực hiện các chuyến bay này đã được nâng cấp với các thuật toán Trí tuệ nhân tạo nhằm tự động tạo ra các bản đồ cháy trong một khu vực cụ thể.

Tạo bản đồ cháy là một quá trình cực kỳ khó khăn, đòi hỏi phải phân tích dữ liệu để tạo ra các bản đồ cháy thay đổi liên tục khi chúng di chuyển trên địa hình khó khăn. Cả quan sát từ không trung và quan sát từ mặt đất đều được sử dụng để tạo ra các bản đồ cháy, và các bản đồ cháy thường chỉ được cập nhật một lần mỗi ngày hoặc lâu hơn. Các vụ cháy lớn có thể di chuyển tới 15 dặm trong một ngày, như đã chứng kiến trong một số vụ cháy trong mùa cháy gần đây. Các cơ quan theo dõi cháy cần có cách nhanh chóng hơn để thu thập dữ liệu cháy và cập nhật bản đồ cháy, và máy bay không người lái kết hợp với Trí tuệ nhân tạo có thể giải quyết nhu cầu này.

Hệ thống tạo bản đồ cháy, nhiều trong số đó dựa trên dữ liệu từ vệ tinh, thường sử dụng một trong hai phương pháp phát hiện cháy có thể xảy ra. Các vụ cháy được phát hiện bằng cách cảm nhận nhiệt từ bề mặt Trái đất (phát hiện các khu vực nóng bất thường) hoặc bằng cách phân tích các chất khí phát thải (phát hiện các hạt khói được释 thải vào không khí khi sinh khối bị cháy). Sau khi phát hiện các vụ cháy có thể xảy ra, chúng có thể được xác nhận thông qua việc sử dụng các hệ thống hình ảnh độ phân giải cao như máy bay không người lái. Các máy ảnh trên máy bay không người lái của Vệ binh Quốc gia có thể hiển thị các vụ cháy với độ phân giải chỉ 90 feet trên mặt đất.

Vệ binh Quốc gia đã trang bị máy bay không người lái MQ-9 “Reaper” với các thuật toán Trí tuệ nhân tạo nhằm phát hiện cháy và tạo bản đồ cháy. Các thuật toán Trí tuệ nhân tạo được sử dụng để thu thập dữ liệu về các vụ cháy đang diễn ra và phát hiện “điểm cháy” được bắt đầu bởi các vụ cháy lớn hơn. Dự án này được thúc đẩy bởi Trung tâm Trí tuệ nhân tạo Liên hợp (JAIC), một bộ phận được thành lập bởi Lầu Năm Góc vào năm 2018. Hệ thống tạo bản đồ cháy của JAIC sử dụng các thuật toán học máy được đào tạo trên các đoạn phim không khí của các vụ cháy trong quá khứ với các biên giới được chú thích. Thuật toán có thể lấy các hình ảnh chưa được xem với chỉ dữ liệu vị trí và phát hiện các vụ cháy trong chúng, tạo ra một bản đồ hiển thị các khu vực đang cháy. Vị trí của các điểm cháy cũng được đánh dấu.

So với quá trình tạo bản đồ cháy mất một ngày được sử dụng bởi các cơ quan khác, hệ thống tạo bản đồ cháy của JAIC nhanh hơn nhiều. Quá trình tạo bản đồ cháy được hỗ trợ bởi Trí tuệ nhân tạo có thể tạo ra một bản đồ cháy mới khoảng every nửa giờ. Theo California Air National Guard, các bản đồ được tạo ra bởi hệ thống mới là chính xác và phản hồi từ CalFire đã tích cực. Nếu các bản đồ tiếp tục chứng minh là đáng tin cậy và có thể được tích hợp thành công với hoạt động của CalFire, nó có thể được triển khai để giúp phát hiện các vụ cháy trong mùa cháy sắp tới.

Beyond việc tạo bản đồ ranh giới của các vụ cháy hiện tại, Trí tuệ nhân tạo có thể giúp các đội chữa cháy dự đoán sự di chuyển của các vụ cháy. CalFire đã bắt đầu làm việc với một công cụ gọi là WildFire Analyst Enterprise. Công cụ phân tích cháy rừng này được tạo ra bởi Technosylva, và nó hoạt động bằng cách kết hợp các mô hình lan truyền cháy khác nhau. Các mô hình này được tăng cường thông qua việc sử dụng các thuật toán học máy, được đào tạo trên các tính năng của các vụ cháy rừng trong quá khứ (như độ ẩm của thực vật, điều kiện thời tiết và hình ảnh vệ tinh). Mô hình sau đó so sánh dữ liệu về một vụ cháy hiện tại với dữ liệu về các vụ cháy trong quá khứ để dự đoán cách vụ cháy đó có thể lan truyền. Phần mềm cũng cho phép người dùng tạo ra các mô phỏng dựa trên cách các biến số khác nhau như điều kiện thời tiết thay đổi. Công cụ này đã dự đoán chính xác rằng vụ cháy CZU Lightning Complex sẽ di chuyển về phía thị trấn Felton, cho phép các đội chữa cháy đến sớm và cứu được nhiều cấu trúc mà có thể không được cứu nếu không.

Trong khi đó, các phòng cháy chữa cháy ở miền nam California đang sử dụng một hệ thống theo dõi và dự đoán cháy khác gọi là FireMap, được phát triển bởi Wifire Lab. FireMap sử dụng cả dữ liệu từ không trung và mặt đất từ các máy ảnh, cũng như điều kiện khí hậu, gió, độ ẩm trong thực vật và nhiều hơn, để dự đoán nơi các vụ cháy sẽ lan truyền.

Khi nhiều nền tảng phát hiện và dự đoán cháy được hỗ trợ bởi Trí tuệ nhân tạo được tạo ra, máy bay không người lái sẽ trở nên quan trọng hơn. Vệ tinh rất hữu ích, nhưng chúng có hạn chế về loại và khối lượng dữ liệu mà chúng có thể thu thập. Hai loại vệ tinh được sử dụng để thu thập dữ liệu: vệ tinh quỹ đạo cực và vệ tinh đồng bộ. Vệ tinh quỹ đạo cực có thể chụp ảnh độ phân giải cao, nhưng các ảnh chỉ được chụp hai lần mỗi ngày. Ngược lại, các ảnh thu thập bởi vệ tinh đồng bộ được thu thập thường xuyên hơn, thường là every 5 phút hoặc lâu hơn. Tuy nhiên, vệ tinh đồng bộ phải bay khoảng 22.000 dặm trên bề mặt Trái đất để duy trì sự đồng bộ với quỹ đạo Trái đất. Kết quả là, các ảnh này chứa ít chi tiết hơn so với vệ tinh quỹ đạo cực. Máy bay không người lái có thể giúp lấp đầy khoảng trống trong dữ liệu, nhận được nhiều ảnh chi tiết và liên tục hơn về một khu vực quan tâm.