Учёные разработали систему ИИ для раннего обнаружения пожаров в лесах

Специалисты Пензенского государственного университета разработали программную систему на основе искусственного интеллекта, способную заранее определять риск возникновения лесных пожаров. Новая технология может значительно повысить эффективность профилактики возгораний и помочь оперативным службам реагировать на угрозу ещё до распространения огня.

О разработке сообщили в Министерстве науки и высшего образования России. По данным ведомства, созданная программа предназначена для практического использования сотрудниками МЧС, лесного хозяйства и егерских служб. Система позволит выявлять потенциально опасные участки в лесных массивах и своевременно направлять туда специалистов для предотвращения пожара.

Основой работы программы стала нейросеть, обученная на большом массиве изображений. Для обучения использовались тысячи снимков, полученных с различных источников наблюдения — спутников, беспилотных летательных аппаратов и вертолетов. Благодаря этому система научилась распознавать характерные признаки повышенной пожароопасности.

Технический консультант проекта Игорь Кочегаров рассказал, что разработка основана на гибридной нейро-нечеткой модели оценки риска возгорания. В её структуре объединены методы нечеткой логики Мамдани и технологии глубоких нейронных сетей. Такое сочетание позволяет анализировать сложные и разнородные данные, поступающие из разных источников.

Система способна обрабатывать метеорологическую информацию, географические данные и экспертные оценки специалистов. При этом данные могут поступать в различных форматах — числовых, категориальных или даже в виде текстовых описаний. Алгоритм приводит их к единому виду и использует для анализа вероятности возникновения пожара.

Другой технический консультант проекта Илья Рыбаков пояснил, что программа сначала преобразует поступающие данные в единую систему координат, затем нормализует их и направляет в гибридную архитектуру. Она включает обучаемый нейросетевой модуль и блок нечеткой логики, который помогает учитывать экспертные знания.

Одной из ключевых особенностей разработки является механизм адаптивного обучения. Нейросеть способна корректировать свою модель по мере получения новой информации или уточнений со стороны специалистов. Таким образом, система постоянно совершенствует точность прогнозов.

Уже на этапе обучения алгоритм научился выявлять различные признаки потенциально опасных ситуаций. Например, программа способна распознавать буреломы и другие природные факторы, которые могут способствовать быстрому распространению огня.

Научный руководитель проекта Николай Юрков отметил, что принцип работы системы достаточно прост с точки зрения пользователя. Искусственный интеллект анализирует поступающие изображения, формирует внутренние аналитические матрицы и определяет зоны повышенного риска. После этого в такие точки можно оперативно направлять пожарные или лесные службы для предотвращения возгорания.

Первые испытания системы показали высокую эффективность. В ходе тестирования на экспериментальных данных точность прогнозирования приблизилась к 90%. При этом анализ информации занимает всего несколько секунд, что особенно важно для оперативных служб.

Разработчики считают, что внедрение подобных технологий может значительно повысить эффективность мониторинга лесных территорий и снизить количество крупных пожаров. В дальнейшем программу планируют доработать и адаптировать для удобного использования специалистами в полевых условиях.