Gerasim

Герасим

Квадрокоптер для обнаружения лесных пожаров на основе нейронной сети

Герасим

« Летающий дрон » от Bestpicko лицензирован CC BY 2.0

Актуальность проекта

К сожалению, в наше время лесные пожары остаются актуальной проблемой. По сей день очень много очагов возгорания остаются незамеченными, пока не успевают захватить обширные территории. Лишь когда площадь возгорания становится достаточно большой, очаг становится хорошо виден. К тому же, площади лесов в Сибири настолько велики, что человеку крайне сложно вручную контролировать каждый участок. На сегодняшний день поиском и локализацией лесных пожаров занимаются с использованием наземного мониторинга или авиапатрулирования.

Было потеряно в 2021 лесного покрова вследствие пожаров

8,9 млн га

Площадь природных пожаров за последние 20 лет в России в год
(ИДСМ Рослесхоз)

до 20 млрд.рублей

Составляет ущерб вследствие природных и антропогенных факторов в год

18.8 млн га

1973 млн.т.

Было в сумме выброшено углекислого газа

Количество пожаров в 2017-2021 гг в РФ по данным МЧС России

0

100

200

300

В городах

400

500

600

700

800

900

1000

ТЫС.ЕД.

2017

2019

2018

2020

2021

В сельской местности

Всего

Проблематика проекта

Невозможность своевременно обнаруживать очаги возгораний в лесных массивах вручную.

"forest fire smoke" by bob_jenkins is licensed under CC BY 2.0.

Клюева Виктория

Горбачёва Виктория

Казаков Илья

Мазур Богдан

Шмаков Егор

Наша команда

Лидер и главный программист

Технический инженер

3D - дизайнер

Специалист по связи с общественностью

Цель проекта

Создание квадрокоптера для своевременного обнаружения очагов возгорания лесных пожаров и оперативного реагирования.

Задачи проекта

Написать и обучить нейронную сеть
Собрать квадрокоптер
Запрограммировать квадрокоптер
Протестировать прототип
Представить прототип квадрокоптера перед потенциальными партнерами на конкурсном мероприятии

Описание проекта

Наш квадрокоптер сможет полностью автономно, без помощи человека патрулировать определенный участок леса. Использование нескольких таких дронов в будущем позволит контролировать обширные участки. Коптер передвигается по заранее заданному маршруту, и в это же время с помощью искусственного интеллекта (нейронной сети) анализирует фото с камеры. При обнаружении возгорания он немедленно отправляет информацию об этом, например, в пожарную охрану МЧС, где уже будут приниматься меры по тушению.

Ход работы

1

Обсуждение идей

2

Распределение ролей в команде

3

Создание нейронной сети

4

Обучение нейронной сети

5

Тестирование нейронной сети

6

Проектирование квадрокоптера

7

Закупка сырья

8

Сборка квадрокоптера

9

Написание программы для квадрокоптера

10

Тестирование квадрокоптера

Преимущества проекта

Экономность
Приобретение нескольких дронов намного дешевле, чем покупка вертолетов, топлива, оплата обучения и труда летчиков.
Точность
Использование техники, работающей автономно, полностью исключает человеческий фактор (усталость, невнимательность и т.д.).
Оперативность
Квадрокоптер способен почти моментально обнаружить пожар и отправить об этом сигнал, что экономит ценнейшее в этом деле время.
Безопасность
Происшествие, связанное с падением квадрокоптера не так критично, как связанное с выходом из строя вертолета, в котором находятся люди.
Экологичность
Квадрокоптер работает от аккумулятора, не использует топливо, а значит не загрязняет окружающую среду.

Готово:

Обученная нейросеть

В разработке:

Сборка квадрокоптера

1

Промежуточные результаты проекта

Срок выполнения:

2

Спроектированный квадрокоптер

2

3

Написание программы для квадрокоптера

Тестирование квадрокоптера

До 10.05.2023

До 10.04.2023

До 10.03.2023

ОБЗОР НЕЙРОННОЙ СЕТИ

Ознакомиться с кодом

Перспективы развития проекта

Использование технологии object detection
На данный момент наша нейросеть обучена решать задачу классификации. Т.е. она способна присваивать фотографии один из (в нашем случае двух) классов. Нейросеть же, обученная под задачу object detection сможет находить объекты на фото и выделять их. Это означает, что нейросеть сможет обнаруживать даже самые маленькие очаги возгораний.
Тушение
В будущем возможно использование беспилотного летательного аппарата не только для обнаружения, но и тушения пожара.
Извлечение полезной информации
В перспективе встроить в программный код возможность не только находить пожар, но и определять его вид, направление горения, занимаемую площадь и т.д.