ДОСЛІДЖЕННЯ МЕТОДІВ СПЕКТРАЛЬНОГО АНАЛІЗУ ЗОБРАЖЕНЬ ДЛЯ ДЕТЕКТУВАННЯ ЛІСОВИХ ПОЖЕЖ З ВИКОРИСТАННЯМ ТЕХНОЛОГІЙ ОБЧИСЛЮВАЛЬНОГО ІНТЕЛЕКТУ
Ключові слова:
спектральний аналіз зображень, супутникові знімки лісових пожеж, метод спряжених градієнтів, нейронні мережі, маска сегментації кольорового зображенняАнотація
У статті проведено дослідження методів спектрального аналізу зображень для детектування лісових пожеж з використанням технологій обчислювального інтелекту. Для проведення спектрального аналізу були використані супутникові знімки лісових пожеж з відкритого джерела NASA Earth Observatory, яка є основним джерелом супутникових зображень та іншої наукової інформації, що стосується клімату і навколишнього середовища, що надаються National Aeronautics and Space Administration для проведення широкого кола досліджень.
Для створення трьохвимірної моделі вогню було використано інструмент Volume Segmenter пакету MATLAB, за допомогою якого було виділено трьохвимірну зону вогню.
За допомогою інструменту Color Thresholder пакету MATLAB було сегментовано кольорове зображення вогню, встановлено порогові значення для колірних каналів на основі різних колірних просторів та створено бінарну маску сегментації для кольорового зображення.
Для створення нейронної мережі, що призначена для аналізу зображення розповсюдження вогню було використано метод спряжених градієнтів. Цей метод було обрано тому, що він не потребує багато системної пам’яті, а також надає можливість структурувати будь-які дані, постійно покращуючи свої властивості. Для навчання моделі було здійснено кілька проходів, щоб нейронна мережа показала максимально точні результати.
Результати дослідження будуть використані для формування веб-сервісу у режимі реального часу, який буде фіксувати небезпечні природні явища, формувати сповіщення та надавати рекомендації для оперативної ліквідації їх наслідків.
Посилання
Battling Wildfire and Pandemic, Ukraine Faces a New Foe: Landmines. URL: https://www.nytimes.com/2020/10/03/world/europe/ukraine-wildfires-landmines.html (дата звернення 15.09.2021).
Bingsong He, Xueping Zhao, Zhiguo Zhou and Zheyi Fan. Implementation of a Fire Detection Algorithm on TMS320DM642 DSP using MATLAB/Simulink. URL: https://www.researchgate.net/publication/266646537_Implementation_of_a_Fire_Detection_Algorithm_on_TMS320DM642_DSP_using_MATLABSimulink (дата зверення 16.09.2021).
Turgay Celik. Fast and Efficient Method for Fire Detection Using Image Processing. URL: https://onlinelibrary.wiley.com/doi/pdf/10.4218/etrij.10.0109.0695 (дата звернення: 21.09.2021).
Журавль І.М. Короткий курс теорії обробки зображень. URL: https://hub.exponenta.ru/post/kratkiy-kurs-teorii-obrabotki-izobrazheniy734 (дата звернення: 15.09.2021).
Квєтний Р.Н., Богач І.В., Бойко О.Р., Софина О.Ю., Шушура О.М. Комп’ютерне моделювання систем та процесів. Методи обробки. Частина 2. URL: https://web.posibnyky.vntu.edu.ua/fksa/2kvetnyj_komp%27yuterne_modelyuvannya_system_procesiv/t2/zm2..htm (дата звернення: 15.09.2021).
Лобанов А.А. Геоінформаційний моніторинг пожеж. URL: https://cyberleninka.ru/article/n/geoinformatsionnyy-monitoring-pozharov/viewer (дата звернення: 01.10.2021).
Пітак І.В., Негадайлов А.А., Масікевич Ю.Г., Пляцук Л.Д., Шапорев В.П., Моісеєв В.Ф. Геоінформаційні технології в екології: Навчальний посібник. Чернівці, 2012. 273 с. URL: https://geology.lnu.edu.ua/wp-content/uploads/2020/04/Ekolohichna-heoinformatyka_literatura-dlia-lektsiy.pdf (дата звернення: 01.10.2021).
