Ученые из Пензы научили ИИ заблаговременно выявлять опасность лесных пожаров

Вчера в 16:25

© Сгенерировано ИИ

В Пензенском государственном университете создано интеллектуальное программное обеспечение, предназначенное для раннего выявления рисков возникновения лесных пожаров. Эта инновационная разработка призвана повысить действенность мер по предотвращению возгораний и дать возможность экстренным службам реагировать на потенциальную угрозу до того, как она перерастет в масштабный пожар.

Как пишет krasnodar.bz, Министерство науки и высшего образования РФ сообщило, что данная программа ориентирована на практическое применение сотрудниками МЧС, лесного хозяйства и егерских служб. Ее цель – локализация участков с повышенной пожарной опасностью в лесных массивах и своевременное направление туда профильных специалистов для предотвращения возгораний.

В основе программы лежит обученная на обширном наборе изображений нейросеть. Для ее тренировки использовались тысячи снимков, сделанных с различных платформ наблюдения: спутников, беспилотных летательных аппаратов и вертолетов. Благодаря этому система научилась идентифицировать специфические признаки, свидетельствующие о высокой пожароопасности.

Технический консультант проекта Игорь Кочегаров пояснил, что система опирается на гибридную нейро-нечеткую модель оценки пожарных рисков. Эта модель объединяет возможности нечеткой логики Мамдани и передовые технологии глубокого обучения нейронных сетей. Такой синтез позволяет комплексно анализировать разнообразные данные, поступающие из множества источников.

Программа способна обрабатывать метеорологическую информацию, географические данные и экспертные оценки специалистов, причем данные могут поступать в различных форматах, включая числовые, категориальные и текстовые. Алгоритм унифицирует эти данные для последующего анализа вероятности возникновения пожара.

Другой технический консультант, Илья Рыбаков, уточнил, что программа сначала трансформирует входящие данные в единую систему координат, затем нормализует их и передает в гибридную архитектуру. Эта архитектура включает в себя обучаемый нейросетевой модуль и блок нечеткой логики, который интегрирует экспертные знания.

Одной из ключевых особенностей разработки является механизм адаптивного обучения. Нейросеть может корректировать свою внутреннюю модель на лету, учитывая новую информацию или уточнения от специалистов, что непрерывно повышает точность прогнозирования.

На стадии обучения алгоритм успешно выявлял различные факторы, способствующие опасным ситуациям. К примеру, программа научилась распознавать следы буреломов и прочие природные явления, которые могут ускорить распространение огня.

Научный руководитель проекта Николай Юрков подчеркнул простоту использования системы для конечного пользователя. Искусственный интеллект анализирует полученные изображения, строит внутренние аналитические матрицы и определяет зоны с повышенным риском, куда затем оперативно могут быть направлены экстренные службы.

Предварительные испытания системы продемонстрировали высокую эффективность, показав точность прогнозирования около 90% на экспериментальных данных. Важно отметить, что анализ информации занимает считанные секунды, что критично для оперативных служб.

Разработчики уверены, что внедрение подобных технологий существенно повысит эффективность мониторинга лесных угодий и снизит число крупных пожаров. В планах – дальнейшая доработка программы для более удобного использования специалистами в полевых условиях.

Читайте новости о безопасности зданий, сооружений и пожарной безопасности на сайте журнала RUБЕЖ по ссылке.