هوش مصنوعی اتش سوزی جنگل ها را کنترل می نماید

امروزه حریق سوزی بیشه ها یکی‌از مهم‌ترین عارضه ها تخریب محیط به حساب آورده می شود .
سیستم های نظارتی اخیر مثل مشاهدات دستی دارنده نقص هایی در تشخیص اول حریق سوزی میباشند و نمی توانند به صورت پر سرعت و بلادرنگ کار نمایند . حریق سوزی های بیشه ها یک تهدید کشنده در مجموع جهان می باشند .
هر سال بیش تر از 100هزار مورد حریق سوزی به صورت کلی کشورها چهره میدهد . آنچه درین در بین مضاعف اهمیت دارااست , تشخیص اول حریق سوزی هاست . گزارش ها و پژوهش ها صورت گرفته سالیان پیشین , بیان کنده آن است که شناسایی اول حریق سوزی استدلال مهمی در برخورد با حریق سوزی است . چراکه , در چنین قوانینی است که مجموعه کمک میتواند اقدامات حتمی را انجام دهد .
در کنار قابلیت و امکان تشخیص نخستین , تقریب سرعت و توسعه حریق هم در فرونشاندن حریق حیاتی است ; عدم اطمینان از مشاهدات انسانی برجهای نگهبانی , به علاوه وضعیت معاش کارمندان جست و جوی بار حریق , منجر ساخت و بسط به کارگیری ازتکنولوژی های گوناگون با انگیزه مطلع سازی سرعت بالا حریق نشان ها از حریق سوزی بیشه ها شده‌است .
سیستم های بر پایه ی دوربین , سیستم ها و تصاویر ماهواره ای , ردیاب های مادون قرمز‌رنگ , شبکه های حسگر بی سیم , از جمله این تکنولوژی ها می باشند که در بخش ها متبوع نصب می‌شوند و در وضعیت کار دود یا این که حریق , دوربین ها و ردیاب ها موقعیت غیرطبیعی را شعور کرده و آن را به راس در دست گرفتن گزارش می نمایند .
اما اعتنا این سیستم ها به شدت بوسیله عواملی زیرا روز , و حالت جوی‌بار نظیر ابری , انعکاسات نور و روشنایی و دود یا این که کار های اجتماعی پایین تاثیر قرار می‌گیرد .
از این رو , تکنولوژی نوینی که پیشنهاد میشود , به کار گیری از ماهواره ها و تصاویر ماهواره ای است . غالبا ماهواره ها یک تصویر بی نقص از زمین را هر روز یا این که دو روز یکبار آماده می نمایند . این مدت کپی طولانی بوده و برای تشخیص پرسرعت حریق سوزی ها , علی الخصوص حریق سوزی بیشه ها قابل پذیرش نیست . از این رو , شبکه های عصبی عمیق می‌توانند برای تشخیص حریق سوزی بیشه ها و عمل های ذی‌ربط مورد استعمال قرار گیرند .
مهار هوشمند حریق سوزی بیشه ها
جنگل‌ها تحت عنوان یکی‌از مهم ترین منابع ارگانیک تجدید شونده محسوب می گردند و امروزه آتش‌سوزی بیشه تحت عنوان یک مخاطره ارگانیک بخش وسیعی از این منابع گران بها در مرحله عالم را تهدید کرده و اثرات زیانبار و ویرانگری بر معاش آدم میگذارد .
این ایراد زیست‌محیطی , که تهدیدی بزرگ برای معاش آدم و محیط‌زیست به حساب میآید , با اعتنا به تغییرات آب و هوایی مثل بارش کمتر و یا این که ارتقا دمای روز , فصول خشکسالی طولانی‌تر و همینطور مداخلات فعالیت‌های انسانی منجر شده که تعداد تکرار آتش‌سوزی‌های جنگلی ارتقاء پیدا نماید و حتی‌در بعضا از بخش ها عالم به یک حالت هشدار‌دهنده رسد .
بدین ترتیب پیش‌بینی ظریف آتش‌سوزی بیشه حتمی است . تشخیص حریق در تصاویر با به کار گیری از پردازش تصویر و تکنیک‌های بصیرت رایانه طی یک‌سری سال قبل دقت اکثری را به خویش جلب نموده است . این سیستم‌ها , از سیستم‌های سنتی تشخیص حریق سوزی برتر می‌باشند . یک کدام از روش‌های امیدوار‌کننده در این مورد , شبکه‌های عصبی کانولوشن است که نوعی هوش تصنعی و مصنوعی به حساب آورده می شود .
براساس این گزارش , پژوهشی به عنوان «تشخیص حریق سوزی بیشه با استعمال از شبکه عصبی عمیق کانولوشن» , شبکه‌های عصبی کانولوشن پیچیده‌تر را برای تشخیص حریق در تصاویر سفارش می کند . روش پیشنهادی در‌این پژوهش استعمال از شبکه VGG16 است . این شبکه به صورت عمیق خیس داده‌های محل ورود را بررسی می‌نماید و مجموعه‌ داده محل ورود مورد استعمال درین سیستم مجموعه‌ای از ویدئو های حریق و غیر‌آتش است .
حاصل نشان میدهد که شبکه های عصبی کانولوشن عمیق خیس , میتوانند همت بهتری را در یک تیم داده‌های معضل برانگیز ارائه دهند .
این پژوهش بوسیله ماندانا قایق پیشه و با موعظه پزشک معالج سودابه پور ذاکر عربانی در موسسه فراگیری خوب کوشیار انجام گرفته است .

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *