Українські науковці створили інноваційну систему спостереження за лісовими пожежами, яка використовує дрони.

Дослідники з Херсонського національного технічного університету розробили новаторську методику для виявлення та спостереження за лісовими пожежами, використовуючи команду безпілотних літальних апаратів, які обладнані камерами та лідарами.

Вчені з Херсонського національного технічного університету розробили новаторський підхід до дистанційного зондування лісових пожеж із застосуванням групи безпілотних літальних апаратів (БПЛА). Система поєднує використання оптичних та інфрачервоних камер разом з атмосферними лідарами, що дозволяє точно визначати просторове положення та рух вогневого фронту.

Однією з ключових характеристик цієї розробки є інтеграція різноманітних типів сенсорів. Оптична камера здатна виявляти ознаки вогню, тоді як інфрачервона камера дозволяє виявляти полум'я навіть під димовою завісою завдяки аналізу теплового випромінювання. Лідар, у свою чергу, виконує функцію ідентифікації та вимірювання характеристик димової хмари.

Система складається з групи безпілотних літальних апаратів, які оснащені 16-мегапіксельними електрооптичними камерами з високою роздільною здатністю (5376×3024 пікселів) і широким полем зору. Теплові інфрачервоні камери функціонують у діапазоні 8-14 мікрометрів, маючи можливість вимірювати температуру до 1500°C з точністю приблизно 1°C. Кожен БПЛА також включає GPS-приймач, інерціальний вимірювальний блок та метеорологічні сенсори для моніторингу температури, вологості та швидкості вітру.

Для обробки даних науковці розробили спеціальну систему, що працює за багатоканальною схемою. Інформація обробляється в чотирьох незалежних каналах розпізнавання: полум'я, диму, палива та згорілих ділянок. Отримані дані аналізуються за допомогою згорткової нейронної мережі та фіксуються у тривимірній просторовій моделі.

Однією з ключових інновацій є застосування стереозйомки для оцінки глибини вогневого фронту. Дrones, розміщені з різних боків вогнища, використовують лідари для вимірювання глибини димової завіси, а стереозйомка за допомогою камер дозволяє точно визначити глибину самого вогню.

З метою покращення ефективності обробки інформації, науковці модифікували нейронну мережу YOLOv8N. Ця адаптована модель гарантує оптимальне співвідношення між швидкістю аналізу та точністю прогнозів, що є вирішальним для функціонування системи в режимі реального часу.

Експериментальна реалізація системи була виконана з використанням мов програмування Visual C++ і Python, а також бібліотек OctoMap і TensorFlow. Тестування, проведене на комп'ютері з процесором Pentium i7-10700, продемонструвало, що використання лідарних технологій для дистанційного зондування підвищує точність визначення просторового положення вогневого фронту в середньому на 21% під час багатократного спостереження з кількох безпілотних літальних апаратів.

Система має можливість вимірювати ключові характеристики пожежі: інтенсивність горіння визначається через енергетичні викиди, зафіксовані тепловим інфрачервоним датчиком; паливне навантаження аналізується шляхом вивчення щільності рослинності; вологість пального оцінюється на основі аналізу насиченості кольору та його яскравості; обпечені території виявляються за допомогою контрастного методу аналізу.

Розробка була виконана аспірантом кафедри програмного забезпечення та технологій Олександром Любимовим у співпраці з доктором технічних наук, професором та проректором університету Володимиром Шерстюком. Результати дослідження були надруковані в науковому журналі "Сучасна наука і техніка".