Blog

Raz, dwa, trzy… kamera patrzy! Czyli o najnowocześniejszej metodzie do wykrywania pożarów

Pożary to problem całego świata. Zniszczenia, jakie niesie ze sobą ogień są ogromne. Ludzie tracą cały dorobek swojego życia, zdarza się, że tracą najbliższych, a czasami niestety giną sami. Artur Matuszczak, wiceprezes firmy Taxus IT, opowie o tym, jak  wykorzystuje sztuczną inteligencję do walki z pożarami. 

Kalifornia to jedno z wielu miejsc, gdzie w ostatnim czasie żywioł sieje ogromne spustoszenie. Ogień atakuje wiele domów na raz, rozprzestrzenia się bardzo szybko. Warunki, jakie obecnie tam panują – wysokie temperatury, susza, silne wiatry – tylko sprzyjają powstawaniu pożarów. Wyobraź sobie sytuację, że nagle zaczyna się palić pięć tysięcy domów… na raz, w jednym momencie. To sytuacja nie do przezwyciężenia. Ilu strażaków musiałoby walczyć, żeby ugasić tak wiele budynków? Warto więc zastanowić się nad tym, w jaki sposób zapobiegać takim klęskom.

Smoke Detection – lepszy od metod algorytmicznych?

Wysokiej klasy specjaliści z Taxus IT nie tylko zastanowili się, lecz nawet stworzyli specjalne oprogramowanie oparte na sztucznej inteligencji – system Smoke Detection. Jak to działa? Sieć kamer cały czas patrzy na ten sam obiekt, w tym samym kierunku i ma za zadanie wychwycić dym. Jest to bardzo trudne, ponieważ dym nie ma wyraźnych granic, danego koloru, ani określonego kształtu. Możemy go określić jako „zakłócenie” zdjęcia lub nawet zniekształcenie czy przebarwienie obiektu znajdującego się na jego tle.

Od wielu lat, na całym świecie do automatycznej analizy zdjęć wykorzystuje się metody algorytmiczne. Polegają one na porównywaniu wartości określonych pikseli i obliczaniu różnic pomiędzy nimi. W ten sposób bardzo łatwo można znaleźć obiekt o wyraźnych kształtach lub o wyróżniającym się kolorze tła. Jednak w przypadku poszukiwania dymu metoda ta generuje mnóstwo fałszywych wyników. Spowodowane jest to dużym podobieństwem dymu do mgły, chmur, smogu a nawet cieni.

Deep learning a detekcja dymu

Metody opracowane przez Taxus IT wykorzystują zaawansowane modele sztucznej inteligencji, które same uczą się rozpoznawania dymu na podstawie dużego zbioru danych wejściowych. Jest to deep learning – polega na nauce wykonywania zadań naturalnych dla ludzkiego mózgu.

Ta technologia dostępna jest od niedawna, a więc stanowi duże wyzwanie – zarówno dla badaczy, jak i osób, które chcą ją wdrożyć we własne projekty. Pracownicy firmy Taxus IT postanowili użyć jej do analizy obrazów z kamer. Jak mówi Artur Matuszczak:

„Mogliśmy pozwolić sobie na wdrożenie sztucznej inteligencji do systemu wykrywającego dym na obrazie, ponieważ wiemy jak budować odpowiednie modele. Uczenie maszynowe (ang. machine learning) wykorzystujące deep learning polega na długim procesie pracy na wielu danych wejściowych. W naszym przypadku była to ogromna ilość zdjęć z określonym wskaźnikiem (oznaczającym, czy na zdjęciu jest dym, czy go nie ma) i przesyłaniu ich do specjalnych modeli sztucznej inteligencji. Taki proces uczenia się może trwać nawet tygodniami. Po jego zakończeniu, sprawdzaliśmy jakość stworzonych modeli poprzez wysłanie do analizy jedynie samego zdjęcia, już bez wskaźnika. W odpowiedzi otrzymywaliśmy informację, na ile procent system jest pewien że, na fotografii jest dym. Podczas następnych zaawansowanych prac uzyskaliśmy taki model sztucznej inteligencji, który jest w stanie samodzielnie zaznaczyć dym na obrazie.”

Czy system jest skuteczny? Czy działa? Najprostszą odpowiedzią jest czas, w jakim pożary zostają wykryte. 

Pracownicy firmy Taxus IT cały czas pracują nad rozwojem i ulepszaniem tego nowoczesnego rozwiązania. System Smoke Detection został wdrożony już w 33 nadleśnictwach na terenie Polski. Działa również w Stanach Zjednoczonych pod nazwą SmokeD. 

 

http://www.taxusit.com.pl/Smoke.Detection

www.smokedsystem.com

 

Autorzy:

Artur Matuszczak, wiceprezes firmy Taxus IT

Nina Dudek, specjalista ds. marketingu i PR-u

 

 

Подпишись на нашу рассылку
Присоединись, если хочешь получать актуальную информацию на тему наших продуктов и семинаров.
Dziękujemy za dołączenie do naszego newslettera