بزرگنمايي:

آریا بانو - سیناپرس / امروزه آتش سوزی جنگل ها یکی از مهم ترین دلایل تخریب محیط محسوب می شود.
سیستم های نظارتی اخیر مانند مشاهدات دستی دارای نقص هایی در تشخیص اولیه آتش سوزی هستند و نمی توانند به صورت سریع و بلادرنگ عمل کنند. آتش سوزی های جنگل ها یک تهدید مهلک در کل دنیا هستند.
هر سال بیش از 100هزار مورد آتش سوزی در کل کشورها رخ می دهد. آنچه در این میان بسیار اهمیت دارد، تشخیص اولیه آتش سوزی هاست. گزارش ها و تحقیقات انجام شده سال های گذشته، بیانگر آن است که شناسایی اولیه آتش سوزی عامل مهمی در برخورد با آتش سوزی است. چراکه، در چنین شرایطی است که تیم امداد می تواند اقدامات لازم را انجام دهد.
در کنار قابلیت تشخیص اولیه، تخمین سرعت و گسترش آتش نیز در فرونشاندن آتش مهم است؛ عدم اطمینان از مشاهدات انسانی برجهای نگهبانی، به علاوه شرایط زندگی پرسنل جست و جوی آتش، باعث ایجاد و گسترش استفاده ازتکنولوژی های مختلف با هدف آگاه سازی سریع آتش نشان ها از آتش سوزی جنگل ها شده است.
سیستم های مبتنی بر دوربین، سیستم ها و تصاویر ماهواره ای، ردیاب های مادون قرمز، شبکه های حسگر بی سیم، از جمله این تکنولوژی ها هستند که در مناطق مورد نظر نصب می شوند و در حالت فعالیت دود یا آتش، دوربین ها و ردیاب ها حالت غیر عادی را درک کرده و آن را به مرکز کنترل گزارش می کنند.
البته دقت این سیستم ها به شدت توسط عواملی چون روز، و شرایط جوی مانند ابری، انعکاسات نور و دود یا فعالیت های اجتماعی تحت تاثیر قرار می گیرد.
از این رو، تکنولوژی نوینی که پیشنهاد می شود، استفاده از ماهواره ها و تصاویر ماهواره ای است. معمولا ماهواره ها یک تصویر کامل از زمین را هر روز یا دو روز یکبار فراهم می کنند. این بازه زمانی اسکن طولانی بوده و برای تشخیص سریع آتش سوزی ها، به ویژه آتش سوزی جنگل ها قابل قبول نیست. از این رو، شبکه های عصبی عمیق می توانند برای تشخیص آتش سوزی جنگل ها و فعالیت های مربوطه مورد استفاده قرار گیرند.
مهار هوشمند آتش سوزی جنگل ها
جنگل‌ها به عنوان یکی از مهمترین منابع طبیعی تجدید شونده محسوب می‌شوند و امروزه آتش‌سوزی جنگل به عنوان یک مخاطره طبیعی بخش وسیعی از این منابع ارزشمند در سطح جهان را تهدید کرده و اثرات زیانبار و ویرانگری بر زندگی بشر می‌گذارد.
این مشکل زیست‌محیطی، که تهدیدی بزرگ برای زندگی بشر و محیط‌زیست محسوب می‌شود، با توجه به تغییرات آب و هوایی مانند بارش کمتر و یا افزایش دمای روز، فصول خشکسالی طولانی‌تر و همچنین مداخلات فعالیت‌های انسانی باعث شده که تعداد تکرار آتش‌سوزی‌های جنگلی افزایش پیدا کند و حتی در برخی از مناطق جهان به یک وضعیت هشدار‌دهنده برسد.
بنابراین پیش‌بینی دقیق آتش‌سوزی جنگل ضروری است. تشخیص آتش در تصاویر با استفاده از پردازش تصویر و تکنیک‌های بینایی کامپیوتر طی چند سال گذشته توجه بسیاری را به خود جلب کرده است. این سیستم‌ها، از سیستم‌های سنتی تشخیص آتش سوزی برتر هستند. یکی از روش‌های امیدوار‌کننده در این زمینه، شبکه‌های عصبی کانولوشن است که نوعی هوش مصنوعی محسوب می شود.
براساس این گزارش، پژوهشی تحت عنوان «تشخیص آتش سوزی جنگل با استفاده از شبکه عصبی عمیق کانولوشن»، شبکه‌های عصبی کانولوشن پیچیده‌تر را برای تشخیص آتش در تصاویر پیشنهاد می‌کند. روش پیشنهادی در این پژوهش استفاده از شبکه VGG16 است. این شبکه به صورت عمیق تر داده‌های ورودی را بررسی می‌کند و مجموعه‌ داده ورودی مورد استفاده در این سیستم مجموعه‌ای از ویدیو های آتش و غیر‌آتش است.
نتایج نشان می‌دهد که شبکه های عصبی کانولوشن عمیق تر، می‌توانند عملکرد بهتری را در یک مجموعه داده‌های چالش برانگیز ارائه دهند.
این پژوهش توسط ماندانا قایق پیشه و با راهنمایی دکتر سودابه پور ذاکر عربانی در موسسه آموزش عالی کوشیار انجام گرفته است.