IT之家 3 月 6 日消息,一項(xiàng)最新研究表明,一種模擬人腦功能的人工智能技術(shù)有望成為自動(dòng)檢測(cè)野火的強(qiáng)大工具,大幅縮短應(yīng)對(duì)野火災(zāi)難性影響所需的時(shí)間。該技術(shù)通過(guò)結(jié)合衛(wèi)星成像技術(shù)和深度學(xué)習(xí)(人工智能和機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域)構(gòu)建了“人工神經(jīng)網(wǎng)絡(luò)”模型,其研究成果已發(fā)表在同行評(píng)審的《國(guó)際遙感雜志》上。
據(jù)IT之家了解,研究團(tuán)隊(duì)使用亞馬遜雨林的圖像數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練,其中包含有野火和無(wú)野火的圖像,結(jié)果顯示該模型的成功率達(dá)到 93%。該技術(shù)能夠與現(xiàn)有的人工智能系統(tǒng)相結(jié)合,以增強(qiáng)早期預(yù)警系統(tǒng)并改善野火應(yīng)對(duì)策略。
“檢測(cè)并應(yīng)對(duì)野火對(duì)于保護(hù)這些脆弱生態(tài)系統(tǒng)至關(guān)重要,亞馬遜地區(qū)的未來(lái)取決于果斷且迅速的行動(dòng)?!痹撗芯康闹饕髡摺?lái)自巴西馬瑙斯亞馬遜聯(lián)邦大學(xué)的辛蒂亞?埃萊特里奧教授表示,“我們的研究成果不僅可以改善亞馬遜生態(tài)系統(tǒng)中的野火檢測(cè),還能為全球其他地區(qū)的相關(guān)工作提供重要助力,顯著協(xié)助當(dāng)局應(yīng)對(duì)和管理此類(lèi)事件。”
2023 年,亞馬遜地區(qū)共發(fā)生了 98,639 起野火,而亞馬遜雨林占巴西生物群落野火總數(shù)的 51.94%。近年來(lái),該地區(qū)野火事件顯著增加。目前,亞馬遜地區(qū)的監(jiān)測(cè)提供接近實(shí)時(shí)的數(shù)據(jù),但其分辨率有限,難以在偏遠(yuǎn)地區(qū)或小規(guī)?;馂?zāi)中檢測(cè)到細(xì)節(jié)。
為解決這一問(wèn)題,研究團(tuán)隊(duì)采用了一種名為“卷積神經(jīng)網(wǎng)絡(luò)”(CNN)的人工神經(jīng)網(wǎng)絡(luò)技術(shù)。CNN 是一種模仿人腦神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法,通過(guò)互聯(lián)節(jié)點(diǎn)處理數(shù)據(jù)。隨著數(shù)據(jù)量的增加,該算法的性能會(huì)不斷提升。研究團(tuán)隊(duì)使用來(lái)自 Landsat 8 和 9 號(hào)衛(wèi)星的圖像對(duì) CNN 進(jìn)行訓(xùn)練,這些衛(wèi)星配備了近紅外和短波紅外傳感器,對(duì)于檢測(cè)植被變化和地表溫度變化至關(guān)重要。
在訓(xùn)練過(guò)程中,CNN 使用了 200 張包含野火的圖像和同等數(shù)量的無(wú)野火圖像,盡管樣本數(shù)量有限,但 CNN 在訓(xùn)練階段已達(dá)到 93% 的準(zhǔn)確率。隨后,研究人員使用 40 張未包含在訓(xùn)練數(shù)據(jù)集中的圖像對(duì) CNN 的區(qū)分能力進(jìn)行測(cè)試,結(jié)果表明,該模型正確分類(lèi)了 24 張有野火圖像中的 23 張,以及 16 張無(wú)野火圖像中的全部圖像,展現(xiàn)了其強(qiáng)大的泛化能力和作為有效野火檢測(cè)工具的潛力。
“CNN 模型可以作為現(xiàn)有監(jiān)測(cè)系統(tǒng)的重要補(bǔ)充,為特定區(qū)域提供更詳細(xì)的分析。通過(guò)將現(xiàn)有傳感器的廣泛時(shí)間覆蓋與我們模型的空間精度相結(jié)合,我們可以在關(guān)鍵環(huán)境保護(hù)區(qū)域顯著提升野火監(jiān)測(cè)能力?!痹撗芯康墓餐髡?、物理學(xué)博士卡洛斯?門(mén)德斯教授表示,“該模型有望為相關(guān)當(dāng)局提供更先進(jìn)、更本地化的野火檢測(cè)方法,作為廣泛使用的衛(wèi)星遙感系統(tǒng)(如中分辨率成像光譜儀 MODIS 和可見(jiàn)紅外成像輻射儀 VIIRS)的有力補(bǔ)充?!?/p>
展望未來(lái),研究團(tuán)隊(duì)建議增加 CNN 訓(xùn)練圖像的數(shù)量,以構(gòu)建更強(qiáng)大的模型。此外,他們還指出,CNN 技術(shù)還可以應(yīng)用于其他領(lǐng)域,例如監(jiān)測(cè)和控制森林砍伐。
廣告聲明:文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接(包括不限于超鏈接、二維碼、口令等形式),用于傳遞更多信息,節(jié)省甄選時(shí)間,結(jié)果僅供參考,IT之家所有文章均包含本聲明。