国家卫队将使用人工智能增强火灾监测无人机

随着火灾变得越来越大和危险，各个政府和私营机构已经开始使用人工智能来检测和预测野火。国家卫队已经在加利福尼亚州进行了多年的夏末和秋季的侦察飞行，但现在用于这些飞行的无人机已经获得了人工智能算法的升级，旨在自动生成特定区域的火灾地图。创建火灾地图是一个非常困难的过程，需要数据分析来绘制不断变化的火灾地图，因为它们在崎岖的地形上移动。空中和地面观测都用于制作火灾地图，火灾地图通常只更新一次每天或更长时间。大火可以在一天内移动多达15英里，如本火季的一些火灾所见。火灾监测机构需要更快的方式来收集火灾数据和更新火灾地图，空中无人机结合人工智能可以满足这一需求。火灾绘图系统，许多依赖于卫星数据，通常使用两种不同的方法来检测可能的火灾。火灾是通过检测地表热量（检测异常热区）或分析气溶胶排放（检测生物质燃烧释放到空气中的烟雾颗粒）来检测的。一旦检测到潜在的火灾，可以通过使用高分辨率成像系统（如无人机）来确认。国家卫队无人机上的摄像头可以以90英尺的分辨率显示火灾。国家卫队已经将其MQ-9“死神”无人机配备了人工智能算法，以检测火灾和生成火灾地图。人工智能算法用于收集活跃燃烧火灾的数据并检测由较大火灾引起的“点火”。该项目由2018年五角大楼创建的联合人工智能中心（JAIC）推动。JAIC火灾绘图系统利用训练有素的机器学习算法，使用带有注释边界的过去火灾的空中 footage。然后算法可以输入带有仅位置数据的未见图像并检测图像中的火灾，输出显示哪些区域正在燃烧的图表。点火位置也被标记。与其他机构使用的日长火灾地图生成过程相比，JAIC火灾绘图系统要快得多。人工智能驱动的火灾地图生成过程可以大约每半小时生成新的火灾地图。根据加利福尼亚州空军国民警卫队的说法，新系统生成的图表是准确的，来自CalFire的反馈是积极的。如果图表继续被证明是可靠的，并且可以成功地集成到CalFire的运营中，它可能会在明年的火季被部署来帮助发现火灾。除了绘制当前火灾的边界外，人工智能还可以帮助消防队预测火灾的运动。CalFire本身最近开始使用一种称为WildFire Analyst Enterprise的工具。野火分析工具由Technosylva创建，它通过组合各种火灾传播模型来工作。这些模型通过使用训练有素的机器学习算法来增强，使用过去野火的特征（例如植被的含水量，天气条件，卫星图像）。然后模型将当前火灾的数据与过去的火灾数据进行比较，以预测火灾的传播方式。该软件还允许用户创建模拟，基于不同变量（如天气条件）的变化。该工具正确预测了CZU Lightning Complex Fire将向Felton镇移动，使得消防队能够提前到达并拯救了许多可能不会被拯救的结构。与此同时，南加州的消防部门正在使用一种不同的火灾跟踪和预测系统，称为FireMap，由Wifire Lab开发。FireMap使用来自摄像头的空中和地面数据，以及气候条件，风条件，植被中的含水量等，来预测火灾将在哪里蔓延。随着更多人工智能驱动的火灾检测和预测平台的创建，无人机可能会变得越来越重要。卫星非常有用，但它们在收集数据的类型和数量方面存在限制。有两种类型的卫星用于收集数据：极轨卫星和地球静止卫星。极轨卫星可以拍摄高分辨率图像，但图像只在一天中拍摄两次。相比之下，地球静止卫星的图像更频繁地拍摄，通常每5分钟或更短。然而，地球静止卫星必须飞行约22,000英里以上地球表面才能保持与地球轨道同步。因此，这些图像包含的细节远远少于极轨卫星。无人机可以帮助填补数据中的空白，获取更多的常规和详细的区域图像。