Добавить в корзинуПозвонить
Найти в Дзене
Сигма.Дрон

Дроны спасают жизни в лесных пожарах

Ежегодно пожары уничтожают десятки миллионов гектаров леса (в России — 7 млн), в них гибнут сотни людей и тысячи пропадают без вести. Ученые из Великобритании разработали алгоритм, который позволяет беспилотникам отслеживать эффективно в динамике отслеживать перемещение людей на задымленных территориях. Поисково-спасательные операции в условиях лесных пожаров — сложное дело. В них используют беспилотники, но у них есть ряд серьезных ограничений: камеры дают искажения в условиях задымленности, алгоритмы статичны и не учитывают хаотичность распространения пожаров и перемещения пострадавших. Ученые из Университет Крэнфилда в Великобритании взялись решить следующие задачи: Они разработали новое поисково-спасательное (SAR) приложение с использованием беспилотников на основе глубокого обучения с подкреплением. Специальный алгоритм  Multi-Agent Deep Q-Network (MADQN) обучает целый рой дронов совместно выполнять миссию (SAR). Ключевая идея использования роев заключается в их расширенных возмо

Ежегодно пожары уничтожают десятки миллионов гектаров леса (в России — 7 млн), в них гибнут сотни людей и тысячи пропадают без вести. Ученые из Великобритании разработали алгоритм, который позволяет беспилотникам отслеживать эффективно в динамике отслеживать перемещение людей на задымленных территориях.

Поисково-спасательные операции в условиях лесных пожаров — сложное дело. В них используют беспилотники, но у них есть ряд серьезных ограничений: камеры дают искажения в условиях задымленности, алгоритмы статичны и не учитывают хаотичность распространения пожаров и перемещения пострадавших.

Ученые из Университет Крэнфилда в Великобритании взялись решить следующие задачи:

  • адаптировать аппараты к быстро меняющейся обстановке пожаров
  • эффективно исследовать с помощью БПЛА незнакомые территории с нуля
  • точно находить людей в условиях задымления и огня.

Они разработали новое поисково-спасательное (SAR) приложение с использованием беспилотников на основе глубокого обучения с подкреплением. Специальный алгоритм  Multi-Agent Deep Q-Network (MADQN) обучает целый рой дронов совместно выполнять миссию (SAR). Ключевая идея использования роев заключается в их расширенных возможностей восприятия и планирования для автономного выполнения заданий.

В чем эффективность:

Реалистичная среда. В отличие от предыдущих моделей, была создана сложная симуляция леса с переменной плотностью растительности, что делает предсказание распространения огня более близким к реальности.

Температурные датчики вместо камер. Камеры могут давать сбои из-за дыма, поэтому дроны оснащены датчиками температуры. Это позволяет точнее определять очаги пожара и потенциально опасные зоны, минимизируя ложные срабатывания.

Коллективный разум. Рой дронов действует как единая система, совместно исследуя территорию, обмениваясь данными и адаптируя свои маршруты в режиме реального времени по мере распространения огня.

Дроны с алгоритмом смогли успешно идентифицировать и наметить пути эвакуации почти для 50% людей — по сравнению с существующими методами это высокий показатель.Технология позволит в автоматическом режиме проводить разведку в зонах лесных пожаров, оперативно находить пострадавших и координировать их эвакуацию, значительно повышая шансы на спасение жизней и снижая риски для спасателей.

Подписывайтесь на наш ТГ-канал @sygmadrone. Там про гражданские технологии, разработки, сценарии применения и рынок.