Обнаружение лесных пожаров с помощью БПЛА самолетного типа

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.

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 ГЛОНАСС 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 борту БПЛА. Из рисунка 3 видно, что обнаружение пожара происходит по двум основным параметрам: задымлению и от крытым участкам пламени.

Рис. 3. Использование искусственного интеллекта для определения лесных пожаров

Существует несколько видов нейронных сетей, но для отслеживания и сравнения изображений чаще всего используются светочные нейронные сети. Такие сети состоят их входного слоя, который используется для обучения нейронных сетей, скрытых слов, от количества которых зависит степень обучаемости, и выходного слоя [2, 4, 5]. Исследуемая система раннего обнаружения пожаров, для упрощения работы, была отнесена к бинарной классификации задачи машинного обучения.

Таким образом, использование систем раннего обнаружения лесных пожаров с применение БПЛА самолетного типа является более эффективным в диагностики пожаров. Исследуемый подход направлен на улучшение существующих методов обнаружение пожаров, а также для значительного снижения ущерба лесному фонду и человеческой жизни.