logo móvil
Contáctanos

Identificación de incendios forestales en imágenes de UAV utilizando X-MobileNet

Autores: Namburu, Anupama; Selvaraj, Prabha; Mohan, Senthilkumar; Ragavanantham, Sumathi; Eldin, Elsayed Tag

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Identificación de incendios forestales en imágenes de UAV utilizando X-MobileNet


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Incendios forestales
Monitoreo satelital
Detección
VANT
Aprendizaje profundo
India

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 26

Citaciones: Sin citaciones


Descripción
Los incendios forestales son causados naturalmente por rayos, altas temperaturas atmosféricas y sequedad. Los incendios forestales tienen ramificaciones tanto para las condiciones climáticas como para los ecosistemas antropogénicos. Según diversos estudios de investigación, ha habido un aumento notable en la frecuencia de incendios forestales en la India. Entre el 1 de enero y el 31 de marzo de 2022, el país tuvo 136,604 puntos de incendio. Activaron un sistema de alerta que indica la ubicación de un incendio forestal detectado utilizando datos del sensor MODIS de las imágenes de satélite Aqua y Terra de la NASA. Sin embargo, el satélite sobrevuela el país solo dos veces y envía la información a los departamentos forestales estatales. La detección temprana de incendios forestales es crucial, ya que una vez que alcanzan cierto nivel, es difícil controlarlos. En comparación con la monitorización por satélite y la detección de incidentes de incendio, la detección de incendios basada en video en el terreno identifica el fuego a una velocidad más rápida. Por lo tanto, un vehículo aéreo no tripulado equipado con un GPS y una cámara de alta resolución puede adquirir imágenes de calidad haciendo referencia a la ubicación del incendio. Además, se pueden aplicar marcos de aprendizaje profundo para clasificar eficientemente los incendios forestales. En este documento, se propone un UAV más económico con capacidad de aprendizaje profundo MobileNet extendido para clasificar incendios forestales (97.26%) y compartir la detección de incendios forestales y la ubicación GPS con los departamentos forestales estatales para una acción oportuna.

Otros recursos que podrían interesarte

Temas Virtualpro