产业资讯方案大厅机构大厅

Omdena利用人工智能监控870万英亩的森林和农业用地

水利环境公共服务自然资源公共安全

应用实例描述

在巴西,截至10月30日,潘塔纳尔河已经发生了8000多起火灾,比去年同期增加了462%。巴西商业农业科技公司Sintecsys的工作是监控包括亚马逊森林在内的四个生物群落870万英亩的森林和农业用地。为了这个为期8周的机器学习项目,Omdena召集了一个由来自22个国家的47名数据科学家组成的多元化团队,加入了Sintecsys的小型内部人工智能团队,共同在森林区域的通信塔顶安装摄像头,捕捉图像,然后发送到监控中心。一旦在图像上检测到火灾(或烟雾),它就会发送警报和灭火行动。

在巴西,截至10月30日,潘塔纳尔河已经发生了8000多起火灾,比去年同期增加了462%。巴西商业农业科技公司Sintecsys的工作是监控包括亚马逊森林在内的四个生物群落870万英亩的森林和农业用地。


 为了这个为期8周的机器学习项目,Omdena召集了一个由来自22个国家的47名数据科学家组成的多元化团队,加入了Sintecsys的小型内部人工智能团队。野火探测解决方案中系统的焦点是白天的图像,其识别烟雾和火焰的准确率超过95%,大大减少了误报和消防队员被召到现场的时间。Sintecsys在通信塔顶安装摄像头,捕捉图像,然后发送到监控中心。一旦在图像上检测到火灾(或烟雾),它就会发送警报和灭火行动。这拯救了生命和基础设施成本。


 为了在进一步破坏之前尽早制止野火,Omdena和Sintecsys同意在第一个联合挑战中处理白天的图像,在第二个挑战中通过处理夜间图像改进解决方案。用于火灾探测的昼夜图像的主要区别在于,白天图像通常显示烟雾,而夜晚图像显示实火。在日落和黎明,烟雾和真火在图像上共存,代表了问题的边界条件。数据集很大,包括来自不同摄像机的镜头和图像,无论是否发生火灾爆发。结合给出的原始图像,团队有近7600张1920 x 1080大小的图像(没有火灾爆发的白天图像、有火灾的白天图像和一些夜间图像(约16%))开始进行标记。为了添加更多的图像,Gary Diana建立了一种算法,成功地从连续镜头中提取图像,同时避免产生具有相同风景的图像(重复删除)。这个计划向团队的数据集添加了1150张1280 x 720大小的图像。最终解决方案的召回率在95%到97%之间,而假阳性率在20%到33%之间,这意味着这些解决方案非常成功地捕捉到了真实火灾爆发的95%到97%。